ARMA Memory Index Modeling of Economic Time Series
经济时间序列的 ARMA 记忆指标建模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：摘要明确研究经济时间序列的历史信息表述及非线性 ARX 模型检验。
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
经济时间序列的 ARMA 记忆指标建模
- 研究问题
- 对于取有理数值的多变量时间序列，能否用一个标量保留整个过去的信息，并据此表述和检验非线性动态模型？
- 方法与思路
- 作者将过去观测构造成一个自回归移动平均形式的标量记忆指标，再以该指标的非线性函数表述时间序列回归。
- 材料陈述的贡献
- 摘要称，这一标量能够捕获过程过去的全部相关信息，并将该表述用于非线性 ARX 模型的设定检验。
- 阅读关注点
- 应核对标量编码的构造与可测性、无限历史如何进入指标，以及这种信息表述怎样转化为可实施的模型设定检验。
- 阅读边界
- 解读限于所给 Crossref 摘要。摘要未说明有限样本的编码精度、计算实现或检验表现，信息保留结论不保证实际估计容易。
原文摘要
In this paper, it will be shown that if we condition a k -variate rational-valued time series process on its entire past, it is possible to capture all relevant information on the past of the process by a single random variable. This scalar random variable can be formed as an autoregressive moving average of past observations; Since economic data are usually reported in a finite number of digits, this result applies to virtually all economic time series. Therefore, economic time series regressions generally take the form of a nonlinear function of an autoregressive moving average of past observations. This approach is applied to model specification testing of nonlinear ARX models.