Centered MA Dirichlet ARMA for Financial Compositions: Theory & Empirical Evidence
创建于 更新于
摘要
本文提出了一种改进的贝叶斯Dirichlet ARMA模型构造方式，通过对移动平均(MA)项的创新进行中心化校正，解决了传统ALR残差的非零条件均值偏差问题。理论推导证明了该中心化创新的均值为零，并具有优良的预测递归性质。在美联储H.8银行资产结构的周度份额数据应用中，中心化MA模型相比原始模型在预测对数概率密度（ELPD）和后验采样诊断中表现出改善，而点预测误差无显著差异，显示出更准确且稳定的金融组合时间序列建模能力[page::0][page::2][page::6][page::14][page::15][page::16][page::17][page::18]。
