Semiparametric Estimation of Multivariate Fractional Cointegration
多元分数协整的半参数估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究多元时间序列的分数协整、记忆参数及协整秩估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
多元分数协整的半参数估计
- 研究问题
- 在具有正协整秩的多元分数过程里，如何估计协整空间及协整秩，并避免预先指定某个序列为因变量？
- 方法与思路
- 作者对加窗、差分观测的周期图矩阵作固定频数平均，利用最小特征值对应的特征向量估计协整关系。
- 材料陈述的贡献
- 摘要称，估计对序列标签置换不变，并给出协整空间与特征值的收敛分析及一致估计协整秩的准则，应用于利率。
- 阅读关注点
- 核对记忆参数与协整条件、固定频数选择、加窗差分方式及协整秩准则，并对照原文确认收敛率符号。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；收敛率指数的文字排版不清，须查原 PDF，不能据此重构公式或判断具体速率。
原文摘要
We consider the semiparametric estimation of fractional cointegration in a multivariate process of cointegrating rank r > 0. We estimate the cointegrating relationships by the eigenvectors corresponding to the r smallest eigenvalues of an averaged periodogram matrix of tapered, differenced observations. The number of frequencies m used in the periodogram average is held fixed as the sample size grows. We first show that the averaged periodogram matrix converges in distribution to a singular matrix whose null eigenvectors span the space of cointegrating vectors. We then show that the angle between the estimated cointegrating vectors and the space of true cointegrating vectors is Op(ndu−d), where d and du are the memory parameters of the observations and cointegrating errors. The proposed estimator is invariant to the labeling of the component series and thus does not require that one of the variables be specified as a dependent variable. We determine the rate of convergence of the r smallest eigenvalues of the periodogram matrix and present a criterion that allows for consistent estimation of r. Finally, we apply our methodology to the analysis of fractional cointegration in interest rates.