Asymptotic Properties of the Wiener–Kolmogorov Predictor. I
Wiener–Kolmogorov 预测器的渐近性质（一）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：摘要明确研究谱密度、时间序列预测系数及一步和多步预测误差，对应时间序列与预测方法。
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
Wiener–Kolmogorov 预测器的渐近性质（一）
- 研究问题
- 用估计的谱密度构造 Wiener–Kolmogorov 预测器时，预测系数及相关统计量有什么渐近性质，一步和多步预测误差如何描述？
- 方法与思路
- 作者利用加窗谱密度估计进行谱因子分解，估计预测系数，并研究所需统计量的渐近均值、方差、协方差和正态性。
- 材料陈述的贡献
- 摘要称推导了预测器估计所需统计量的渐近均值与方差，并给出一步及多步预测的渐近均方误差表达式。
- 阅读关注点
- 应核对过程与谱密度条件、窗函数及平滑参数要求，以及系数估计误差如何进入不同预测步长的均方误差。
- 阅读边界
- 仅据所给 Crossref 摘要；过程假设、误差表达式和有限样本表现未提供，不能断言其在具体数据上预测更好或推断版本变化。
原文摘要
Summary “Windowed” estimates of the spectral density function are used to carry out the factorization of the sample spectral density function and hence estimate the Wiener-Kolmogorov prediction coefficients. Expressions are derived for the asymptotic mean and variance of all the statistics necessary to estimate the predictor. The covariances and asymptotic normality of these estimates are also investigated. In particular, an expression for the asymptotic mean-square error or predicting one step, and more than one step, ahead is given.