Log-Periodogram Regression of Time Series with Long Range Dependence
长程依赖时间序列的对数周期图回归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：摘要明确研究长程依赖的多元时间序列、频域回归及差分参数估计。
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
长程依赖时间序列的对数周期图回归
- 研究问题
- 在允许谱密度矩阵元素于零频发散或趋零的多元时间序列中，如何估计差分及尺度参数，并利用跨序列约束提高效率？
- 方法与思路
- 作者提出对数周期图回归估计，在高斯性及附加条件下建立渐近正态性，并分析先验给定差分参数相等时的多元估计。
- 材料陈述的贡献
- 摘要称方法较此前方案可带来适度效率改善，并在多元差分参数事先相等时进一步改善；同时提供渐近正态性依据。
- 阅读关注点
- 应核对零频附近的谱条件、回归频率范围与调节选择，以及效率比较和差分参数相等约束各自依赖的假设。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；附加条件和效率改善幅度未提供，不能将高斯情形的渐近结果直接推广至非高斯序列。
原文摘要
This paper discusses the estimation of multiple time series models which allow elements of the spectral density matrix to tend to infinity or zero at zero frequency and be unrestricted elsewhere. A form of log-periodogram regression estimate of differencing and scale parameters is proposed, which can provide modest efficiency improvements over a previously proposed method (for which no satisfactory theoretical justification seems previously available) and further improvements in a multivariate context when differencing parameters are a priori equal. Assuming Gaussianity and additional conditions which seem mild, asymptotic normality of the parameter estimates is established.