ADAPTIVE LONG MEMORY TESTING UNDER HETEROSKEDASTICITY
未知异方差下的自适应长记忆检验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 ARFIMA 时间序列中的分数差分参数和长记忆检验。
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
未知异方差下的自适应长记忆检验
- 研究问题
- 在具有未知形式无条件异方差的参数化 ARFIMA 模型中，如何检验分数差分参数，并改善常规长记忆检验的功效？
- 方法与思路
- 作者利用非参数方差估计构造加权得分检验，分析其在原假设及局部备择下与已知方差过程的有效得分检验之间的关系。
- 材料陈述的贡献
- 摘要称，该检验在高斯情形下具有渐近效率；蒙特卡洛结果显示，相比通常的未加权检验，可能获得较大的功效提升。
- 阅读关注点
- 应核对方差过程与非参数估计的条件、局部备择的设定，以及模拟中是否控制检验尺寸和如何选择平滑参数。
- 阅读边界
- 仅据所给 Crossref 摘要解读，不推断后续版本变化；摘要未说明具体正则条件和功效增益数值，效率结论限定于高斯情形。
原文摘要
This paper considers adaptive hypothesis testing for the fractional differencing parameter in a parametric ARFIMA model with unconditional heteroskedasticity of unknown form. A weighted score test based on a nonparametric variance estimator is proposed and shown to be asymptotically equivalent, under the null and local alternatives, to the Neyman-Rao effective score test constructed under Gaussianity and known variance process. The proposed test is therefore asymptotically efficient under Gaussianity. The finite sample properties of the test are investigated in a Monte Carlo experiment and shown to provide potentially large power gains over the usual unweighted long memory test.