ESTIMATION OF RANDOM CYCLES IN PERSISTENT TIME SERIES
持久时间序列中随机周期的估计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：摘要直接研究持久时间序列的周期与谱峰，并应用于名义 GDP 和实际工业生产。
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…
持久时间序列中随机周期的估计
- 研究问题
- 如何在具有持久周期的平稳与非平稳时间序列中，通过谱峰定位估计随机周期的频率，并量化其估计不确定性？
- 方法与思路
- 作者提出半参数周期记忆过程，建立以谱峰位置表示周期频率的渐近估计理论，并以模拟和三个实际应用考察表现。
- 材料陈述的贡献
- 摘要称，该方法易于实现，可构造较窄的周期频率置信区间；模拟表现良好，并在美国宏观序列及二氧化碳浓度中发现周期。
- 阅读关注点
- 应核对周期记忆过程的定义、平稳与非平稳情形的处理、频率估计及区间构造条件，并检查谱峰定位的有限样本稳定性。
- 阅读边界
- 仅据所给 Crossref 摘要解读；周期长度、置信区间宽度和模拟设置未说明，无法判断其精度优势的适用范围或刊本变化。
原文摘要
A number of economic, financial, and climatic time series exhibit persistent cycles which are characterized by time-dependence patterns and peaks in the spectrum. In this article, we introduce a class of semiparametric cyclical–memory processes which enable the modeling of random cyclical patterns in stationary and non-stationary time series. We develop a theoretical background and asymptotic estimation theory for the frequency of a cycle represented by the location of a peak in the spectrum. The estimation procedure is easy to implement and allows for the construction of narrow confidence intervals around the location point. Monte Carlo simulations confirm the good finite sample performance of our estimator. We illustrate our method with three empirical applications. We uncover (quasi-)periodic cycles in macroeconomic series, both nominal and real (U.S. nominal GDP and real industrial production), and CO 2 $\mathrm {CO}_{2}$ upper C upper O 2 concentration levels.