THE JOINT MOMENT GENERATING FUNCTION OF QUADRATIC FORMS IN MULTIVARIATE AUTOREGRESSIVE SERIES
多元自回归序列中二次型的联合矩母函数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：摘要以高斯向量自回归为对象，研究其二次型及连续时间极限。
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
多元自回归序列中二次型的联合矩母函数
- 研究问题
- 对于含确定性成分的离散高斯向量自回归过程，如何求充分统计量所依赖二次型的精确联合矩母函数及相关连续时间极限？
- 方法与思路
- 作者推导二次型的有限样本联合矩母函数，再将公式用于涉及多元或一元 Ornstein–Uhlenbeck 过程、漂移和趋势的极限泛函。
- 材料陈述的贡献
- 摘要称，论文提供精确有限样本公式及其极限形式；相关过程也可由更一般非高斯过程渐近产生，并用于时间序列之外的问题。
- 阅读关注点
- 应核对确定性成分、初始条件与二次型的定义、矩母函数存在域，以及离散公式向连续时间泛函极限转换的条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定公式和存在域；有限样本结果针对高斯过程，提及非高斯渐近来源不代表非高斯有限样本精确性。
原文摘要
Let { X t } follow a discrete Gaussian vector autoregression with deterministic components. We derive the exact finite-sample joint moment generating function (MGF) of the quadratic forms that form the basis for the sufficient statistic. The formula is then specialized to the limiting MGF of functionals involving multivariate and univariate Ornstein–Uhlenbeck processes, drifts, and time trends. Such processes arise asymptotically from more general non-Gaussian processes and also from the Gaussian { X t } and have also been used in areas other than time series, such as the “goodness of fit” literature.