On a new robust method of inference for general time series models
一般时间序列模型的一种稳健推断新方法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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究一般时间序列估计与检验，并明确列举 GARCH 和 ARMA-GARCH 等波动率模型。
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…
一般时间序列模型的一种稳健推断新方法
- 研究问题
- 面对创新分布误设、厚尾和异常值，一般参数化时间序列模型能否使用平滑的稳健估计方法，并获得有效的参数检验？
- 方法与思路
- 作者提出逻辑斯蒂准极大似然估计，研究其一致性、渐近正态性及参数可识别条件，并推导 Wald 与拉格朗日乘子检验的极限分布。
- 材料陈述的贡献
- 摘要称，该估计具有有界影响函数等稳健性质，并在若干条件下建立渐近理论；多个时间序列模型、模拟和实证用于说明适用性。
- 阅读关注点
- 应核对创新分布和依赖结构要求、新可识别条件的实质、方差估计方式，以及厚尾或异常值环境下各比较方法的表现。
- 阅读边界
- 这是预印本，不能据此声称已同行评审或期刊接收。摘要未列出所谓温和条件，也未给出有限样本数值或稳健性保证的边界。
原文摘要
In this article, we propose a novel logistic quasi-maximum likelihood estimation (LQMLE) for general parametric time series models. Compared to the classical Gaussian QMLE and existing robust estimations, it enjoys many distinctive advantages, such as robustness in respect of distributional misspecification and heavy-tailedness of the innovation, more resiliency to outliers, smoothness and strict concavity of the log logistic quasi-likelihood function, and boundedness of the influence function among others. Under some mild conditions, we establish the strong consistency and asymptotic normality of the LQMLE. Moreover, we propose a new and vital parameter identifiability condition to ensure desirable asymptotics of the LQMLE. Further, based on the LQMLE, we consider the Wald test and the Lagrange multiplier test for the unknown parameters, and derive the limiting distributions of the corresponding test statistics. The applicability of our methodology is demonstrated by several time series models, including DAR, GARCH, ARMA-GARCH, DTARMACH, and EXPAR. Numerical simulation studies are carried out to assess the finite-sample performance of our methodology, and an empirical example is analyzed to illustrate its usefulness.