Nonlinear models for strongly dependent processes with financial applications
强依赖过程的非线性模型及金融应用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：摘要直接研究长记忆、非线性自回归及平滑转换时间序列模型。
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
强依赖过程的非线性模型及金融应用
- 研究问题
- 当经济金融时间序列同时具有非线性与长记忆时，如何联合估计其动态参数，并一致地选择模型结构？
- 方法与思路
- 作者将平滑转换区制自回归嵌入长记忆过程，构造联合时域极大似然估计，并与先分数滤波的两阶段方法比较。
- 材料陈述的贡献
- 摘要称，联合估计具有良好渐近性质，BIC 与 Hannan–Quinn 准则可一致选模；模拟中联合估计通常优于两阶段方法。
- 阅读关注点
- 应核对长记忆与非线性参数的识别、渐近性质的具体含义、模型选择条件，以及初步记忆估计误差对两阶段方法的影响。
- 阅读边界
- 仅据所给出版社摘要，无法判断渐近定理与模拟优势的适用范围；远期升水和实际汇率应用的参数结果未说明。
原文摘要
This paper is motivated by recent evidence that many univariate economic and financial time series have both nonlinear and long memory characteristics. Hence, this paper considers a general nonlinear, smooth transition regime autoregression which is embedded within a strongly dependent, long memory process. A time domain MLE with simultaneous estimation of the long memory, linear AR and nonlinear parameters is shown to have desirable asymptotic properties. The Bayesian and Hannan-Quinn information criteria are shown to provide consistent model selection procedures. The paper also considers an alternative two step estimator where the original time series is fractionally filtered from an initial semi-parametric estimate of the long memory parameter. Simulation evidence indicates that the time domain MLE is generally superior to the two step estimator. The paper also includes some applications of the methodology and estimation of a fractionally integrated, nonlinear autoregressive-ESTAR model to forward premium and real exchange rates.