Dirichlet ARMA models for compositional time series
Dirichlet ARMA models for compositional time series
复制标题
用于组合时间序列的 Dirichlet ARMA 模型
DOI：
10.1016/j.jmva.2017.03.006
复制
发表时间：
2017-06
影响因子：
1.6
通讯作者：
Chen Rong
中科院分区：
文献类型：
--
作者：
Zheng Tingguo;Chen Rong
组成时间序列是一个多变量时间序列，其中每个时间点的观测向量是一组总和为1的比例。传统上，这种时间序列的建模方法是对观测值进行对数比变换，然后用高斯向量自回归移动平均（ARMA）模型对其建模。本文提出了一类新的模型，假设比例服从时变的Dirichlet分布，并假设相应的时变参数经过适当变换后为arma型动力结构。该模型被称为Dirichlet自回归移动平均（DARMA）模型。在该模型下，原始数据经过适当的变换后，遵循以鞅差分序列作为噪声序列的矢量ARMA模型。在DARMA框架下研究了两种具体的转换。开发了估计程序，并研究了它们的数值性质。通过仿真研究和实例验证了所提模型的特性，并与现有的建模方法进行了比较。
A compositional time series is a multivariate time series in which the observation vector at each time point is a set of proportions that sum to 1. Traditionally, such time series are modeled by taking a log-ratio transformation of the observations and then modeling them with a Gaussian vector autoregressive moving average (ARMA) model. In this paper, a new class of models is proposed by assuming that the proportions follow a time-varying Dirichlet distribution, and that the corresponding time-varying parameters, after a proper transformation, assume an ARMA-type of dynamic structure. The new model is referred to as the Dirichlet autoregressive moving average (DARMA) model. Under this model, after a proper transformation, the original data follow a vector ARMA model with a martingale difference sequence as its noise series. Two specific transformations are studied under the DARMA framework. Estimation procedures are developed and their numerical properties are investigated. Simulation studies and real examples are presented to demonstrate the properties of the proposed models, and comparisons are made with the existing modeling approaches.
登录
查看更多内容
影响因子：
2.7
作者：
R. Davis;W. Dunsmuir;S. Streett
通讯作者：
R. Davis;W. Dunsmuir;S. Streett
DOI：
--
发表时间：
2007
期刊：
--
影响因子：
--
作者：
Raflq H. Hijazi;R. Jernigan
通讯作者：
Raflq H. Hijazi;R. Jernigan
DOI：
10.2307/2983139
发表时间：
1989-05
期刊：
--
影响因子：
--
作者：
H. Tong;E. Hannan;M. Deistler
通讯作者：
H. Tong;E. Hannan;M. Deistler
DOI：
--
发表时间：
2013-12
期刊：
--
影响因子：
--
作者：
R. Tsay
通讯作者：
R. Tsay
影响因子：
--
作者：
T. Mills
通讯作者：
T. Mills