Softplus INGARCH模型

时间:2021-04-23         阅读:

光华讲坛——社会名流与企业家论坛第5712

主题:Softplus INGARCH模型

主讲人:吉林大学 朱复康教授

主持人:拉斯维加斯平台网 喻开志教授

时间:2021年4月26日(星期一)下午14:00-15:30

直播平台及会议ID腾讯会议,179 903 236

主办单位:统计学院 科研处

主讲人简介:

朱复康,吉林大学数学学院教授、博士生导师,概率统计与数据科学系主任。2008年博士毕业,2013年被聘为教授。主要从事时间序列分析和金融统计的研究,已经在Annals of Applied Statistics、Journal of Business & Economic Statistics、Statistica Sinica、Journal of Time Series Analysis等杂志上发表论文40余篇,被他人引用500余次,单篇文章最高被引用120余次。作为负责人获得省部级以上科研项目9项,其中国家自然科学基金4项。现任中国数学会概率统计学会、中国现场统计研究会等10余个学会的理事或常务理事,美国数学会《数学评论》评论员,已经为JRSSB、JBES、AoAS、Bernoulli、Statistica Sinica、Econometric Theory等50余个SCI杂志审稿100余次。

内容摘要:

在过去几十年,人们为整数值时间序列提出了大量的模型,其中整数值自回归移动平均(ARMA)模型和整数值广义自回归条件异方差(INGARCH)模型受到欢迎。虽然这两种模型都会导致类似ARMA模型的自相关函数(ACF),但ACF值的可实现范围受到很大限制,负ACF值通常是不可能的。现有的对数线性INGARCH模型允许负的ACF值,但线性条件均值和类似ARMA的自相关结构就会丢失。为了解决这个问题,我们提出了一个新的INGARCH模型,它使用softplus函数作为连接函数。softplus函数表现为近似线性,但避免了在零点不可微的缺点。所提的模型表现出近似线性结构,这一点被广泛的模拟所证实,这使得其模型参数比对数线性INGARCH模型的参数更容易解释。建立了最大似然估计的渐近性,并通过模拟分析了参数的有限样本表现。三个真实数据例子说明了所提模型的实用性。