TIME SERIES REGRESSION ON INTEGRATED CONTINUOUS-TIME PROCESSES WITH HEAVY AND LIGHT TAILS
重尾与轻尾连续时间积分过程的时间序列回归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：摘要明确研究连续时间积分过程、协整回归及其离散观测下的估计推断，直接对应时间序列。
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
重尾与轻尾连续时间积分过程的时间序列回归
- 研究问题
- 连续时间积分过程在离散时点被观测时，其协整回归的最小二乘估计和统计推断如何受到重尾与轻尾特征影响？
- 方法与思路
- 作者用附加噪声的向量 Lévy 过程定义积分过程，以多元 Ornstein–Uhlenbeck 过程描述线性组合并研究最小二乘估计。
- 材料陈述的贡献
- 摘要称证明估计一致性并推导布朗运动与稳定 Lévy 过程泛函比值形式的极限分布，同时构造 Wald、t 统计量及模拟区间。
- 阅读关注点
- 应核对连续模型与离散回归之间的对应、尾部和采样条件、估计量的归一化方式，以及非标准极限分布的模拟方法。
- 阅读边界
- 仅据所给 Crossref 摘要解读；摘要未列出尾部参数、采样设计与完整假设，不能判断模拟置信区间在具体数据中的覆盖表现。
原文摘要
The paper presents a cointegration model in continuous time, where the linear combinations of the integrated processes are modeled by a multivariate Ornstein–Uhlenbeck process. The integrated processes are defined as vector-valued Lévy processes with an additional noise term. Hence, if we observe the process at discrete time points, we obtain a multiple regression model. As an estimator for the regression parameter we use the least squares estimator. We show that it is a consistent estimator and derive its asymptotic behavior. The limit distribution is a ratio of functionals of Brownian motions and stable Lévy processes, whose characteristic triplets have an explicit analytic representation. In particular, we present the Wald and the t -ratio statistic and simulate asymptotic confidence intervals. For the proofs we derive some central limit theorems for multivariate Ornstein–Uhlenbeck processes.