Markov Switch Smooth Transition HYGARCH Model: Stability and Estimation
HYGARCH模型基本上是用来模拟波动率的长期相关性的。我们提出了马尔可夫开关平滑转换HYGARCH模型，其中每个状态的波动率是GARCH和FIGARCH的时间依赖凸组合。这个模型提供了一个灵活的结构，以捕捉不同水平的波动性，也短期和长期记忆效应。给出了系统渐近稳定性的充要条件。通过简约的方式利用所有过去的信息来研究条件方差的预测。提供了基于Gibbs抽样的贝叶斯估计。一个模拟研究已经给出了评估的估计和模型的稳定性。该模型的竞争力表现通过比较它与HYGABM和平滑过渡HYGABM模型的\textit{S} \& \textit{P} 500指数的波动率和风险价值预测的一段时间。
2018-03-02 math.ST stat.TH
Markov switching models: an application to roadway safety
在本研究中，两个状态的马尔可夫切换模型，提出了研究事故的频率和严重程度。这些模型假设存在两种未观察到的道路安全状态，并且道路实体（例如，路段）可以随时间在这些状态之间切换。这些状态是不同的，在这个意义上，在不同的状态下，事故频率或严重程度是由单独的过程产生的（例如，泊松、负二项、多项logit）。贝叶斯推断方法和马尔可夫链蒙特卡罗（MCMC）模拟用于估计马尔可夫切换模型。为了证明该方法的适用性，我们进行了以下三项研究。在第一项研究中，两个状态的马尔可夫转换计数数据模型被认为是一种替代零膨胀模型的年度事故频率，以占优势的零通常观察到的事故频率数据。在第二项研究中，两个状态的马尔可夫转换泊松模型和两个状态的马尔可夫转换负二项模型估计使用选定的印第安纳州际公路段在五年的时间内每周的事故频率。在第三项研究中，两个国家的马尔可夫切换多项logit模型估计的严重后果发生在印第安纳州的道路上超过四年的时间。在这三项研究中发现的最重要的结果之一是，在每种情况下，估计的马尔可夫转换模型都受到道路安全数据的强烈青睐，并导致与相应的标准（非转换）模型相比，具有更好的统计拟合。
2008-12-08 stat.AP stat.ME
Markov switching multinomial logit model: an application to accident injury severities
在这项研究中，两个国家的马尔可夫切换多项式logit模型提出了统计建模的事故伤害严重程度。这些模型假设马尔可夫切换时间之间的两个不可观察的状态的道路安全。状态是不同的，在这个意义上说，在不同的状态下，事故的严重性结果是由单独的多项logit过程产生的。为了证明本文所提出的方法的适用性，两个状态的马尔可夫切换多项式logit模型估计印第安纳州的道路上发生的事故在四年的时间间隔的严重程度的结果。贝叶斯推断方法和马尔可夫链蒙特卡罗（MCMC）模拟用于模型估计。估计马尔可夫转换模型的结果在一个优越的统计拟合相对于标准（单状态）多项式logit模型。研究发现，更频繁的道路安全状态与更好的天气条件相关。发现较不频繁的状态与不利的天气条件相关。
2008-11-21 stat.AP stat.ME
Copula Processes
我们定义了一个Copula过程，它描述了任意多个随机变量之间的依赖关系，与它们的边缘分布无关。作为一个例子，我们开发了一个随机波动率模型，高斯Copula过程波动率（GCPV），预测潜在的标准差的随机变量序列。为了进行预测，我们使用贝叶斯推断，拉普拉斯近似，并与马尔可夫链蒙特卡罗作为替代。我们发现这两种方法具有可比性。我们还发现我们的模型可以在模拟和财务数据上优于Gestival。与GCV不同的是，GCPV可以轻松处理缺失数据，包含除时间以外的协变量，并对丰富的协方差结构进行建模。
2010-06-09 math.PR q-fin.CP q-fin.ST
Markov switching negative binomial models: an application to vehicle accident frequencies
本文提出了两状态马尔可夫切换模型来研究事故频率。这些模型假设存在两种不可观测的道路安全状态，并且道路实体（路段）可以随着时间的推移在这些状态之间切换。状态是不同的，在这个意义上，在不同的状态下，事故频率是由单独的计数过程（通过单独的泊松或负二项过程）产生的。为了证明本文所提出的方法的适用性，两个状态的马尔可夫切换负二项模型估计使用五年的事故频率印第安纳州际公路段。贝叶斯推断方法和马尔可夫链蒙特卡罗（MCMC）模拟用于模型估计。估计马尔可夫转换模型的结果在一个优越的统计拟合相对于标准（单状态）负二项模型。研究发现，更频繁的状态是安全的，它与更好的天气条件。频率较低的状态被认为是不太安全的，并与不利的天气条件。
2008-11-13 stat.AP stat.ME
Gradient boosting in Markov-switching generalized additive models for location, scale and shape
提出了一类新的灵活的潜在状态时间序列回归模型，我们称之为马尔可夫切换广义可加模型的位置，规模和形状。与传统的马尔可夫切换回归模型相比，所提出的方法允许我们对响应分布的不同状态相关参数进行建模-不仅是平均值，而且是方差，偏度和峰度参数-作为给定解释变量的潜在平滑函数。此外，可以为响应指定的可能分布集不限于指数族，还包括各种Box-Cox变换、零膨胀和混合分布。我们提出了一种基于期望最大化算法的估计方法，其中我们使用梯度提升框架来防止过拟合，同时执行变量选择。所提出的方法的可行性进行了评估，在模拟实验中，并说明在一个真实的数据设置，在那里我们模拟的条件分布的每日平均价格的能源在西班牙随着时间的推移。
2018-05-17 stat.CO stat.ME
Estimation of High-Dimensional Markov-Switching VAR Models with an Approximate EM Algorithm
针对高维时间序列机制转换估计难题，提出适用于马尔可夫切换VAR模型的近似EM算法，证明其高维一致性，经模拟和癫痫脑电数据验证有效。
2025-09-04 stat.ME stat.ML
A Factor Stochastic Volatility Model with Markov-Switching Panic Regimes
使用因子随机波动率模型需要选择用于描述财务回报过程动态的潜在因子的数量;然而，经验证据表明，相关因子的数量和构成是随时间变化的，并且具有经济上的情境性。我们提出了一个新的因素随机波动率模型，允许随机子集的资产，他们的成员经历非市场范围内的恐慌。这些参与资产的方差和组内协方差将增加。我们还给出了这个模型的估计算法，利用粒子马尔可夫链蒙特卡罗技术的最新成果。
2019-03-05 stat.AP
Zero Variance Markov Chain Monte Carlo for Bayesian Estimators
兴趣在于通过马尔可夫链蒙特卡罗（MCMC）模拟来评估函数关于可能未归一化的概率分布的期望值。基于物理学文献中引入的零方差原理，提出了MCMC估计的通用方差缩减技术。零方差估计量的渐近无偏的条件。在正则条件下证明了一个中心极限定理。的潜在的想法是说明与实际应用的概率，logit和Gesthet-Bayesian模型。对于所有这些模型，证明了零方差估计量的中心极限定理和无偏性（见在线提供的补充材料）。
2012-06-26 stat.CO
Estimation of linear autoregressive models with Markov-switching, the E.M. algorithm revisited
本文研究了马尔可夫转换线性自回归模型的期望最大化估计问题。算法本文的方法推广了Elliot对一般隐马尔可夫模型的方法，避免了使用向后递归。
2008-02-21 math.ST stat.ME stat.TH
Coherent prior distributions in univariate finite mixture and Markov-switching models
有限混合和马尔可夫转换模型推广，因此，巢规格只有一个组件。在一般（混合）模型及其特殊（单组分）情况下指定先验时，可能需要确保引入两种结构的先验假设在嵌套模型中的先验分布相当于相关参数约束下混合模型中的条件先验的意义上是一致的。该研究提供了在贝叶斯单变量有限混合模型和马尔可夫转换模型中设置相干先验的基础。一旦一些主要的结果是交付，我们得到的情况下，通常从事贝叶斯建模的三种类型的连续先验的一致性的具体条件：正常的，反伽玛分布，和Γ分布。此外，我们研究了在混合模型的先验中引入额外约束（例如强制可识别性或某种规律性（例如二阶平稳性）的约束）对相干条件的影响。最后，通过讨论为一类马尔可夫切换AR（2）模型设置相干先验来说明该方法。
2013-09-03 math.ST stat.ME stat.TH
A Robbins Monro algorithm for nonparametric estimation of NAR process with Markov-Switching: consistency
本文考虑马尔可夫切换下的泛函自回归过程的非参数估计。首先，我们研究的情况下，完整的数据是可用的，即当我们观察马尔可夫切换制度。然后，我们估计的回归函数在每个政权使用Nadaraya-Watson型估计。其次，我们介绍了隐马尔可夫切换制度的情况下，非参数递归算法。我们的算法通过Monte-Carlo步骤恢复丢失的数据，并通过Robbins-Monro步骤估计回归函数。在这两种情况下，估计的一致性证明。最后，我们提出了一些模拟数据的数值实验，说明我们的非参数估计过程的性能。
2015-03-17 math.ST stat.TH
Asymptotic properties of the maximum likelihood estimator for nonlinear AR processes with markov-switching
本文在预测滤波器具有一致指数遗忘和$α$ -混合性质的假设下，提出了一种新的方法，证明了具有Markov切换的非线性AR过程极大似然估计的相合性和正态性.我们表明，在线性和高斯的情况下，我们的假设是完全满足的。
2016-05-31 math.ST stat.TH
Estimating weak Markov-switching AR(1) models
本文研究了误差不相关但不独立的弱马尔可夫切换 AR 模型的矩估计量渐近性质，放宽了独立性假设，给出证明一致性和渐近正态性的必要条件，并通过模拟与气象数据应用验证了理论。
2025-03-05 math.ST stat.TH
General-order observation-driven models: ergodicity and consistency of the maximum likelihood estimator
观测驱动模型（ODMs）包括许多非线性时间序列的模型，这些模型以类似于但不同于隐马尔可夫模型（HMM）的方式涉及隐变量。有趣的是，与大多数Hynomial相反，ODM享有的似然性可以精确计算，计算复杂性度与观测数量相同，使得极大似然估计成为这些模型的统计推断的特权方法。一般顺序的ODM的一个著名的例子是GALGORY $(p,q)$模型，遍历性和推理已被广泛研究。然而，很少有人知道更一般的模型，特别是整数值的，如对数线性泊松GARCH或NBIN-GARCH的顺序$(p,q)$的大多数现有的结果似乎仅限于情况下$p=q=1$。在这里，我们填补了这一空白，并得出遍历条件一般的ODM。然后，使用已经为一阶ODM开发的方法，可以导出最大似然估计（MLE）的一致性和渐近正态性。
2021-06-08 math.PR math.ST stat.TH
Testing the Number of Regimes in Markov Regime Switching Models
马尔可夫状态转换模型已被用于许多经济学和金融学的实证研究。然而，在马尔可夫状态转换模型中，用于检验状态个数的似然比检验统计量的渐近分布一直是一个未解决的问题。本文推导出了在零假设和局部替代条件下，对任何$M_0 \geq 1$，检验$M_0$制度的零假设和$M_0 + 1$制度的替代假设的似然比检验统计量的渐近分布。我们发现，连续的替代品收敛到零假设的速率$n^{-1/8}$在政权切换模型与正常的密度。还建立了参数自助法的渐近有效性。
2018-01-30 econ.EM math.ST q-fin.MF
Maximum Likelihood Estimation in Markov Regime-Switching Models with Covariate-Dependent Transition Probabilities
本文研究了一类具有隐马尔可夫状态的模型的极大似然估计。我们调查的ML估计的一致性和局部渐近正态性的模型在一般条件下，允许自回归动态的可观察的过程中，马尔可夫制度序列与协变量相关的转移阵矩阵，和可能的模型误设定。蒙特卡洛研究检查了ML估计量在正确指定和错误指定模型中的有限样本性质。最后讨论了该方法的应用实例。
2021-12-06 econ.EM math.ST stat.TH
Asymptotic Properties of the Maximum Likelihood Estimator for Markov-switching Observation-driven Models
Aarhus University（奥胡斯大学）
本文研究了马尔可夫切换观测驱动模型的最大似然估计的渐进行为，证明其一致性与渐近正态性，并探讨了其在广义自回归条件异方差模型中的应用条件。
2025-12-29 econ.EM math.ST stat.TH
