Multivariate spectral analysis using Cholesky decomposition
利用 Cholesky 分解进行多元谱分析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：摘要直接研究多元时间序列的谱估计、模拟与自助推断。
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…
利用 Cholesky 分解进行多元谱分析
- 研究问题
- 如何让多元谱估计的不同成分具有不同平滑程度，同时保持正定性，并用估计谱生成时间序列和自助置信区间？
- 方法与思路
- 作者平滑原始谱估计的 Cholesky 分解元素，再重构谱矩阵，并将分解矩阵用作生成时间序列的传递函数。
- 材料陈述的贡献
- 摘要称，重构谱估计一致且正定，所生成序列在傅里叶频率上具有指定谱，并可据此构造多元谱的自助置信区间。
- 阅读关注点
- 核对各分解元素的平滑选择、一致性条件、序列生成机制与频率范围，以及自助置信区间的构造和理论保证。
- 阅读边界
- 仅依据版本未注明的 OpenAlex 索引摘要；摘要未说明平滑条件与区间覆盖保证，脑电数据例子也不足以证明对经济序列的适用性。
原文摘要
We propose to smooth the Cholesky decomposition of a raw estimate of a multivariate spectrum, allowing different degrees of smoothness for different elements. The final spectral estimate is reconstructed from the smoothed Cholesky elements, and is consistent and positive definite. More importantly, the Cholesky decomposition matrix of the spectrum can be used as a transfer function in generating time series whose spectrum is identical to the given spectrum at the Fourier frequencies. This not only provides us with much flexibility in simulations, but also allows us to construct bootstrap confidence intervals for the multivariate spectrum by generating bootstrap samples using the Cholesky decomposition of the spectral estimate. A numerical example and an application to electroencephalogram data are used as illustrations.