کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
10327519 | 681237 | 2013 | 16 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Robust estimation for the covariance matrix of multivariate time series based on normal mixtures
ترجمه فارسی عنوان
برآورد پایدار برای ماتریس کوواریانس سری های چند متغیره بر اساس مخلوط های طبیعی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
معیارهای واگرایی مبتنی بر تراکم، برآورد پایدار، تابع اتوکویاریانس، ثبات، عادی همبستگی،
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نظریه محاسباتی و ریاضیات
چکیده انگلیسی
In this paper, we study the robust estimation for the covariance matrix of stationary multivariate time series. As a robust estimator, we propose to use a minimum density power divergence estimator (MDPDE) designed by Basu et al. (1998). To supplement the result of Kim and Lee (2011), we employ a multivariate normal mixture family instead of a multivariate normal family. As a special case, we consider the robust estimator for the autocovariance function of univariate stationary time series. It is shown that the MDPDE is strongly consistent and asymptotically normal under regularity conditions. Simulation results are provided for illustration. A real data analysis applied to the portfolio selection problem is also considered.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 57, Issue 1, January 2013, Pages 125-140
Journal: Computational Statistics & Data Analysis - Volume 57, Issue 1, January 2013, Pages 125-140
نویسندگان
Byungsoo Kim, Sangyeol Lee,