Asymptotic Properties of Least Squares Estimators of Cointegrating Vectors
协整向量最小二乘估计量的渐近性质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：摘要明确研究具有共同随机趋势的时间序列、协整向量及其估计量的极限分布。
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
协整向量最小二乘估计量的渐近性质
- 研究问题
- 当多个时间序列共同呈现随机趋势并形成协整关系时，协整向量的最小二乘估计如何收敛，其极限分布如何计算？
- 方法与思路
- 作者分析协整向量参数的 OLS 与 NLS 估计，以不依赖系统参数的非正态随机矩阵表示其渐近行为，并据此计算极限分布。
- 材料陈述的贡献
- 摘要称两类估计量以特定速率依概率收敛，并给出便于蒙特卡洛计算的渐近表示，列示若干协整过程对应的极限分布。
- 阅读关注点
- 应核对协整系统与扰动的假设、OLS 和 NLS 的适用条件，以及随机矩阵不依赖系统参数的准确含义和分布计算步骤。
- 阅读边界
- 摘要中的收敛速率记号“T11d”疑有转录错误，无法可靠还原；系统条件与分布适用范围未写清，须以原文公式核对。
原文摘要
Time series variables that stochastically trend together form a cointegrated system. OLS and NLS estimators of the parameters of a cointegrating vector are shown to converge in probability to the true parameter value at the rate T11d for any positive d. These estim mators can be written asymptotically in terms of relatively simple nonnormal random matrices which do not depend on the parameters of th e system. These asymptotic representations form the basis for simple and fast Monte Carlo calculations of the limiting distributions of th ese estimators. Asymptotic distributions thus computed are tabulated for several cointegrated processes. Copyright 1987 by The Econometric Society.