Asymptotic Distribution of Statistics in Time Series
时间序列统计量的渐近分布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：摘要明确研究平稳时间序列、ARMA与非线性自回归过程的统计量分布。
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…
时间序列统计量的渐近分布
- 研究问题
- 对于由独立创新驱动的严格平稳序列，其有限窗口函数之和在什么可验证条件下具有有效的Edgeworth分布展开？
- 方法与思路
- 作者研究可表示为当前及过去独立创新函数的平稳序列，并为其有限窗口函数之和给出形式Edgeworth展开有效的条件。
- 材料陈述的贡献
- 摘要称条件覆盖ARMA过程的非线性函数及某些非线性自回归过程，所得结果可用于多种非线性时间序列统计量。
- 阅读关注点
- 应核对创新与依赖衰减条件、矩条件及展开阶数，并检查具体统计量如何转化为摘要所讨论的有限窗口函数之和。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex索引摘要；可验证条件与误差界未列出，不能推断任意平稳序列都满足这些展开结果。
原文摘要
Verifiable conditions are given for the validity of formal Edgeworth expansions for the distribution of sums $X_1 + \cdots + X_n$, where $X_i = F(Z_i, \ldots, Z_{i + p - 1})$ and $Z_1, Z_2, \ldots$ is a strict sense stationary sequence that can be written as $Z_j = g(\varepsilon_{j - k}: k \geq 0)$ with an $\operatorname{iid}$ sequence $(\varepsilon_i)$ of innovations. These models include nonlinear functions of ARMA processes $(Z_i)$ as well as certain nonlinear AR processes. The results apply to many statistics in (nonlinear) time series models.