项目名称: 整数值时间序列数据的建模方法研究

项目编号: No.11271155

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: 王德辉

作者单位: 吉林大学

项目金额: 67万元

中文摘要: 整数值时间序列在生产、实践中广泛存在(例如医院住院的病人数、一组保单的理赔次数等),对其统计分析是国际上研究的一个热点问题.由于数据本身的特征(整数值、相关性),其统计分析研究还处于起步阶段,本项目旨在从数据自身特征出发,构造新模型并讨论参数的估计方法及估计量的渐近分布,进而构造检验统计量,对模型的平稳性进行检验。另外,基于thinning算子的模型是处理整数值时间序列数据的基本模型,但是其在刻画形形色色的整数值数据的内在特征时存在不足,为此,我们将构造新的整数值时间序列模型(如MA、ARMA、线性GARCH、非线性GARCH 等模型),并考虑模型的建模、假设检验及模型选择等研究问题,将模型的统计推断结果应用于生产实践中,为实际工作者提供理论指导。

中文关键词: 整数值;时间序列数据;建模方法;;

英文摘要: Integer-valued time series data are commonly observed in real-world applications, whose statistical analysis has been a hot topic in the last two decades. Because of the characteristics of data (integer-valued, correlation), there is only a few research related to this topic. This projec t will aim to model these inherent features, construct new models and discuss estimators of corresponding parameters and their asymptotic distributions, an d furthermore construct test statistics to test stationarity. In addition, thinning operator models are the basic ones to deal with integer-valued time series data, but they have shortcomings and limitations in modeling various character istics of integer-valued data. We will construct new integer-valued time series models (such as MA、ARMA、linear GARCH and nonlinear GARCH models) and consider inference problems, including modeling, testing and model selection. These new resu lts will be applied to real-life practices, and provide theoretic guide for practitioners.

英文关键词: integer-valued;time series data;modeling methods;;

成为VIP会员查看完整内容
1

相关内容

时间序列计量经济学
专知会员服务
47+阅读 · 2022年4月8日
【Reza Yazdanfar】基于递归神经网络的多元缺失值时间序列
【干货书】R语言探索性数据分析,218页pdf
专知会员服务
61+阅读 · 2021年9月14日
【哥伦比亚大学博士论文】深度概率图建模147页pdf
专知会员服务
88+阅读 · 2021年4月27日
CVPR 2021 | 时间序列疾病预测的因果隐马尔可夫模型
专知会员服务
62+阅读 · 2021年4月11日
专知会员服务
144+阅读 · 2021年2月3日
最新《时序数据分析》书稿,512页pdf
专知会员服务
112+阅读 · 2020年12月25日
专知会员服务
230+阅读 · 2020年12月15日
经济学中的数据科学:机器学习与深度学习方法
专知会员服务
26+阅读 · 2020年10月19日
一文读懂线性回归、岭回归和Lasso回归
CSDN
34+阅读 · 2019年10月13日
数据分析师应该知道的16种回归技术:Lasso回归
数萃大数据
16+阅读 · 2018年8月13日
基于 Keras 用深度学习预测时间序列
R语言中文社区
23+阅读 · 2018年7月27日
R语言之数据分析高级方法「时间序列」
R语言中文社区
17+阅读 · 2018年4月24日
(Python)时序预测的七种方法
云栖社区
10+阅读 · 2018年2月25日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月19日
小贴士
相关主题
相关VIP内容
时间序列计量经济学
专知会员服务
47+阅读 · 2022年4月8日
【Reza Yazdanfar】基于递归神经网络的多元缺失值时间序列
【干货书】R语言探索性数据分析,218页pdf
专知会员服务
61+阅读 · 2021年9月14日
【哥伦比亚大学博士论文】深度概率图建模147页pdf
专知会员服务
88+阅读 · 2021年4月27日
CVPR 2021 | 时间序列疾病预测的因果隐马尔可夫模型
专知会员服务
62+阅读 · 2021年4月11日
专知会员服务
144+阅读 · 2021年2月3日
最新《时序数据分析》书稿,512页pdf
专知会员服务
112+阅读 · 2020年12月25日
专知会员服务
230+阅读 · 2020年12月15日
经济学中的数据科学:机器学习与深度学习方法
专知会员服务
26+阅读 · 2020年10月19日
相关资讯
相关基金
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员