On approximate pseudo-maximum likelihood estimation for LARCH-processes
Robinson [J. Econometrics 47(1991)67- 84]引入了线性时间序列(Linear time sequence,LQR)过程来模拟波动率和杠杆率的长期相关性。最近的文献中已经研究了Lithium过程的基本理论性质。然而,目前还缺乏估计方法和相应的渐近理论。本文考虑系数为非可和双曲衰减的Lyndham过程的相依参数估计。导出了渐近极限定理。对于近似条件伪极大似然估计,证明了具有$\sqrt{n}$ -收敛速率的中心极限定理。为了获得仅包括观测值的可计算版本,需要进一步近似。可计算估计量也是渐近正态的,但是收敛速率比$\sqrt{n}.$慢
2010-01-12 math.ST stat.TH
Estimating a class of diffusions from discrete observations via approximate maximum likelihood method
分析了基于扩散$X$沿固定时间间隔的离散观测值$[0,T]$和积分的Euler近似的扩散参数$(\vartheta,σ)$的近似极大似然估计方法。我们假设$X$满足一个形式为$dX_t =μ(X_t ,\vartheta )\, dt+\sqrtσ b(X_t )\, dW_t$的矩阵,初始条件为非随机的。在$\vartheta$中,时延一般是非线性的。在假设基于$[0,T]$上路径连续观测的漂移参数的极大似然估计$\hat{\vartheta}_T$存在的基础上,证明了由$X$沿$[0,T]$的离散观测通过近似对数似然函数的极大化得到的参数的可测估计$(\hat{\vartheta}_{n,T},\hatσ_{n,T})$存在,且$\hatσ_{n,T}$是相合且渐近正态的,并且当$T$固定时,$δ_{n,T} =\max_{0\leq i<n}(t_{i+1}-t_i )$趋于零时,$\hat{\vartheta}_{n,T}-\hat{\vartheta}_T$趋于零,概率为$\sqrtδ_{n,T}$。在遍历扩散的情况下,当$T$以$Tδ_n$在等距采样下趋于零的方式趋于无穷大时,同样适用,并且我们应用这些来显示$\hat{\vartheta}_{n,T}$,$\hatσ_{n,T}$和$\hat{\vartheta}_{n,T}$在这种情况下的渐近效率的一致性和渐近正态性…
2018-08-20 math.ST stat.TH
Bayesian quantile regression with approximate likelihood
分位数回归通常用于需要响应变量与一个或多个解释变量之间的综合关系时。分位数回归的传统频率论方法已经围绕渐近理论和有效算法得到了很好的发展。然而,在贝叶斯框架下发表的工作并不多。贝叶斯分位数回归的一个挑战性问题是完全似然没有参数形式。在本文中,我们提出了一个贝叶斯分位数回归方法,线性插值密度(LID)方法,它使用一个线性插值的分位数来近似的可能性。与大多数现有的方法,旨在解决一个分位数的时间,我们提出的方法估计的联合后验分布的多个分位数,导致更高的全局效率为所有感兴趣的分位数。马尔可夫链蒙特卡罗算法的开发,以实现所提出的方法。我们提供的收敛结果,证明了算法的收敛性和统计近似的综合似然后。从模拟结果中,我们验证了LID在估计与两个或更多分位数相关的数量方面比其他现有方法具有明显的优势。
2015-06-02 math.ST stat.TH
An effective likelihood-free approximate computing method with statistical inferential guarantees
近似贝叶斯计算是一种强大的无似然方法,自早期在群体遗传学中的应用以来越来越受欢迎。然而,复杂化出现在理论上的理由进行贝叶斯推断从这种方法与不充分的汇总统计。在本文中,我们试图重新框架内的频率论的上下文中的近似贝叶斯计算,并证明其性能的标准设置的频率覆盖率。在这样做的过程中,我们开发了一种新的计算技术,称为近似置信分布计算,产生的理论支持使用不充分的汇总统计的似然自由的方法。此外,我们证明了近似置信分布计算扩展了近似贝叶斯计算的范围,包括数据相关的先验,而不损害推理的完整性。这种数据依赖的先验可以被看作是目标参数的初始“分布估计”,其用近似置信分布计算方法的结果更新。还讨论了一个一般的策略,用于构建一个适当的数据相关的先验,并显示出往往增加计算速度,同时保持统计推断的保证。我们补充的理论与模拟研究说明所提出的方法的好处,即更广泛的应用和增加的计算速度相比,标准的近似贝叶斯计算方法的潜力。
2018-11-30 math.ST stat.CO stat.TH
An approximate maximum likelihood estimator of drift parameters in a multidimensional diffusion model
针对固定时间区间上的多维非线性参数扩散模型,证明离散观测的近似极大似然估计量与连续观测MLE之差在步长趋于零时稳定收敛于依赖路径的混合正态分布。
2023-07-18 math.ST stat.TH
New Insights Into Approximate Bayesian Computation
近似贝叶斯计算(简称ABC)是一种计算技术,它在后验似然估计在计算上是禁止的情况下,或者在合适的似然不可用时,提供了一种几乎自动化的解决方案。在本文中,我们分析的过程中,从k-近邻理论的角度来看,并探讨其输出的统计特性。我们讨论特别是一些渐近特性的真正的条件密度估计与ABC,这是一个有趣的混合之间的k-最近邻和核方法。
2013-06-03 math.ST stat.TH
Quasi Maximum Likelihood Estimation and Inference of Large Approximate Dynamic Factor Models via the EM algorithm
本文研究通过EM算法结合Kalman smoother估计大型动态因子模型,证明了估计载荷和因子的渐近性质,并指出在特异性协方差足够稀疏时因子估计更有效。
2024-09-25 econ.EM math.ST stat.TH
Auxiliary Likelihood-Based Approximate Bayesian Computation in State Space Models
提出了一种基于近似贝叶斯计算(ABC)的状态空间模型推理方法。ABC通过将观测数据的汇总统计量与根据真实过程模拟的数据计算的统计量相匹配,避免了对难以处理的可能性的评估。在观察和模拟摘要之间产生“匹配”的绘图被保留,并用于估计不可访问的后验。由于没有减少到一个低维的一组充分统计量是可能的状态空间设置,我们定义的总结作为最大的辅助似然函数,从而利用该估计的辅助参数向量的渐近充分性。我们得出的条件下,这种方法-包括计算效率的版本的基础上的辅助得分-实现贝叶斯一致性。为了减少ABC在多参数设置中的有据可查的不准确性,我们提出了使用集成似然技术对每个参数维度进行单独处理。三个随机波动率模型,精确的贝叶斯推断是计算上的挑战,或不可行的,用于说明。我们证明,我们的方法相比有利的一组广泛的近似和精确的比较。最后,本文以一个实证的例子作为结尾。
2018-12-02 math.ST stat.CO stat.ME
Approximate Bayesian Computation by Modelling Summary Statistics in a Quasi-likelihood Framework
近似贝叶斯计算(ABC)是当似然函数在计算上难以处理时进行贝叶斯推理的一类有用的方法。在实践中,基本的ABC算法可能是效率低下的先验和后验之间的差异的存在。因此,应使用更精细的方法,例如ABC与马尔可夫链蒙特卡罗算法(ABC-MCMC)。然而,制定MCMC的建议密度是一个敏感的问题,在ABC环境中非常困难,在那里的可能性是棘手的。我们讨论了一个自动的建议分配有用的ABC-MCMC算法。该建议的灵感来自准似然(QL)函数理论,并通过将汇总统计量的分布建模为参数的函数来获得。从本质上讲,给定一个实值向量的汇总统计量,我们重新参数化的模型通过一个回归函数的统计参数,从原始模型中的试点运行模拟研究中获得的采样。QL理论是建立一个标量参数,它表明,当条件方差的汇总统计量是假定常数,QL有一个封闭形式的正常密度。这种构造建议分布的思想扩展到非常数方差和实值参数向量。该方法是由几个例子,并通过应用到一个真正的问题,在人口遗传学。
2015-05-13 math.ST stat.ME stat.TH
Convergence of Computed Dynamic Models with Unbounded Shock
本文研究了激波无界时计算动力学模型的渐近收敛性。大多数动态经济模型都缺乏封闭形式的解。因此,利用数值方法的近似解。由于研究人员不能直接评估确切的政策函数和相关的确切的可能性,这是必要的近似的可能性渐近收敛-以及知道收敛的条件-精确的可能性,以证明和验证其使用。在这方面,Fernando-Villaverde、Rubio-Ramirez和Santos(2006)证明了当冲击具有紧支撑时,似然的收敛性。然而,紧支撑意味着冲击是有界的,这在大多数动态经济模型中并不满足,例如,正态分布的冲击。本文提供了理论上的理由,在文献中使用的动力学模型,通过显示的条件,从数值模拟获得的近似不变测度的收敛到精确不变测度,从而提供了收敛的条件的可能性。
2021-03-11 econ.EM math.ST stat.TH
Approximate Information Tests on Statistical Submanifolds
参数推断假定一个统计模型是一个特定的概率分布族。限制性推理,例如,受限似然比检验试图利用作为指定族的子集的统计子模型的结构。我们考虑的问题测试一个简单假设对这样一个子模型的替代品。在未知子模型的情况下,不清楚如何实现限制推理的好处。要做到这一点,我们首先构造局部渐近等价于似然比检验的信息检验。信息测试在概念上很有吸引力,但(通常)在计算上很难处理。然而,与受限似然比检验不同,即使统计子模型未知,受限信息检验也可以近似。我们构建近似信息测试使用流形学习程序提取信息的样本未知(或棘手)的子模型,从而提供了一个路线图计算解决方案的一类以前无法穿透的问题,在统计推断。实例说明了所提出的方法的有效性。
2019-03-20 math.ST stat.ME stat.TH
Introduction To Gaussian Process Regression In Bayesian Inverse Problems, With New ResultsOn Experimental Design For Weighted Error Measures
现代应用中出现的贝叶斯后验分布,包括层析成像和地下水流中偏微分方程模型中的逆问题,由于评估数据可能性的计算成本很大,因此在计算上通常是棘手的。为了缓解这个问题,我们考虑使用高斯过程回归来建立一个代理模型的可能性,从而在近似的后验分布,是服从于实际计算。这项工作作为一个介绍高斯过程回归,特别是在建立代理模型的背景下,逆问题,并提出了新的见解到一个合适的选择训练点。我们发现,真实的和近似的后验分布之间的误差可以有界的真实和近似的可能性之间的误差,测量在$L^2$ -范数加权的真实后验,并有效地界定真实和近似的可能性之间的误差,在这个范数建议选择训练点的高斯过程代理模型的基础上的真实后验。
2023-02-09 cs.NA math.NA math.ST