MétaCan
Menu
Retour à la cohorte
Enregistrement W3216151428 · doi:10.1080/09720510.2021.1974578

On the convoluted gamma to length-biased inverse Gaussian distribution and application in financial modeling

2021· article· en· W3216151428 sur OpenAlex
Shanoja Naik

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Statistics and Management Systems · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Distribution Estimation and Applications
Établissements canadiensRegistered Nurses' Association of Ontario
Organismes subventionnairesnon disponible
Mots-clésInverse Gaussian distributionNormal-inverse Gaussian distributionInverse-gamma distributionGaussianAutoregressive modelGamma distributionGeneralized inverse Gaussian distributionInverse distributionVariance-gamma distributionMathematicsDistribution (mathematics)InverseUnimodalityStatistical physicsStatisticsApplied mathematicsProbability distributionHeavy-tailed distributionDistribution fittingMathematical analysisGaussian processInverse-chi-squared distributionGaussian random fieldPhysicsAsymptotic distribution

Résumé

récupéré en direct d'OpenAlex

This paper studies a convoluted form of length-biased inverse Gaussian and gamma distributions due to its structural relationship with the Wright distribution [Naik and Abraham 2013]. The convoluted form of the derived distribution is named as Inverse Gaussian-gamma abbreviated as IGG distribution which shows heavy-tailedness properties and unimodality. The study also examines some interesting statistical properties of the distribution and compares them with inverse Gaussian and gamma distributions. Results show that the IGG model outperformed inverse Gaussian and gamma distributions through its model characteristics. A theoretical application of the IGG distribution is established to illustrate the model applicability in the financial industry that explains the versatility of the distribution in data analysis. Despite these applications, an autoregressive model of order one is derived to establish utilization of the distribution in time series modeling.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,970
Score d'incertitude au seuil0,275

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,041
Tête enseignante GPT0,304
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle