Expected Kullback-Leibler-based characterizations of score-driven updates
Diese Arbeit liefert eine informationstheoretische Charakterisierung von Score-driven-Updates, die zeigt, dass diese Updates genau dann die erwartete Kullback-Leibler-Divergenz zur wahren Datenverteilung reduzieren, wenn die erwartete Update-Richtung mit dem erwarteten Score übereinstimmt, wodurch Score-driven-Modelle als natürliche und robuste Methode in statistischen und ökonometrischen Anwendungen begründet werden.