Time domain estimation of non-fundamental ARMA models in the presence of heteroskedasticity of unknown form
未知形式异方差下非基本 ARMA 模型的时域估计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：摘要直接研究非因果或不可逆 ARMA 时间序列，并应用于多国通胀数据。
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
未知形式异方差下非基本 ARMA 模型的时域估计
- 研究问题
- 创新项存在未知形式条件异方差时，如何在时域估计可能非因果或不可逆的非高斯 ARMA 模型，而不显式设定波动过程？
- 方法与思路
- 作者利用过去创新的平方与立方所反映的可预测性构造时域最小距离目标，并提出相应的有效 GMM 估计方法。
- 材料陈述的贡献
- 摘要称，所提估计量一致且渐近正态；对二十九个 OECD 国家通胀数据的分析发现非基本性的广泛证据。
- 阅读关注点
- 应核对非基本性的识别条件、创新鞅差限制与高阶矩要求，以及目标函数如何区分不同 ARMA 表示和构造有效权重。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断高阶矩和异方差允许范围，也无法确认各国证据强度；不能推断刊本变化。
原文摘要
This paper considers time domain estimation of possibly non-fundamental (that is, non-causal and/or non-invertible) non-Gaussian linear ARMA models with martingale difference innovations that may display conditional heteroskedasticity of unknown form. Instead of explicitly parametrizing the underlying volatility process (the higher order dependence) and employing maximum likelihood procedures, we propose a time domain minimum distance objective function based on innovations predictability using second and third powers of past innovations. Using the proposed efficient GMM estimator, which is consistent and asymptotically normal, we estimate possibly non-fundamental ARMA models to inflation data from 29 OECD countries and find widespread evidence on non-fundamentalness.