Local polynomial Whittle estimation of perturbed fractional processes
受扰动分数过程的局部多项式 Whittle 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：摘要明确研究受序列相关噪声扰动的长记忆时间序列，并以三十只道琼斯股票的波动持续性作应用，支持这两个方向。
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…
受扰动分数过程的局部多项式 Whittle 估计
- 研究问题
- 当长记忆时间序列受到可能具有序列相关性的噪声扰动时，如何估计记忆参数，并权衡偏差减少与渐近方差增加？
- 方法与思路
- 作者提出含噪声的半参数局部多项式 Whittle 估计，分别用多项式逼近信号短记忆部分和扰动项的对数谱。
- 材料陈述的贡献
- 摘要称，方法降低偏差阶但增加渐近方差；在所列记忆参数范围内具有一致性与渐近正态性，并用于股票波动持续性分析。
- 阅读关注点
- 应核对一致性与正态性的参数范围、谱光滑性和带宽条件、方差放大常数，并确认摘要中接近参数收敛率的记号。
- 阅读边界
- 仅据所给出版社摘要，收敛率记号需以全文公式核对；股票应用显示更强持续性，不能据此认定估计更接近真实值。
原文摘要
We propose a semiparametric local polynomial Whittle with noise estimator of the memory parameter in long memory time series perturbed by a noise term which may be serially correlated. The estimator approximates the log-spectrum of the short-memory component of the signal as well as that of the perturbation by two separate polynomials. Including these polynomials we obtain a reduction in the order of magnitude of the bias, but also inflate the asymptotic variance of the long memory estimator by a multiplicative constant. We show that the estimator is consistent for d∈(0,1), asymptotically normal for d∈(0,3/4), and if the spectral density is sufficiently smooth near frequency zero, the rate of convergence can become arbitrarily close to the parametric rate, n. A Monte Carlo study reveals that the proposed estimator performs well in the presence of a serially correlated perturbation term. Furthermore, an empirical investigation of the 30 DJIA stocks shows that this estimator indicates stronger persistence in volatility than the standard local Whittle (with noise) estimator.