QUANTILOGRAMS UNDER STRONG DEPENDENCE
强依赖下的分位相关图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：摘要核心为长记忆序列的极限推断，并明确应用于金融收益与预测变量的分位数预测关系，支持这两个方向。
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…
强依赖下的分位相关图
- 研究问题
- 在长记忆依赖下，分位相关图与交叉分位相关图具有怎样的极限分布，如何对金融收益的分位数预测关系推断？
- 方法与思路
- 作者利用新发展的约简原理推导慢于根号 n 速率的中心极限定理，并提出移动区块 bootstrap 构造置信区间。
- 材料陈述的贡献
- 摘要称，文章建立包含干扰参数的长记忆极限理论及移动区块 bootstrap 一致性，并用模拟和金融预测关系应用展示。
- 阅读关注点
- 应核对长记忆强度与分位点条件、约简原理、区块长度要求，以及交叉分位相关是否足以支持具体预测解释。
- 阅读边界
- 仅依据所给 Crossref 摘要；收敛率、区块选择和应用数值未说明，统计预测关系也不能直接解释为因果效应。
原文摘要
We develop the limit theory of the quantilogram and cross-quantilogram under long memory. We establish the sub-root-n central limit theorems for quantilograms that depend on nuisance parameters. We propose a moving block bootstrap (MBB) procedure for inference and establish its consistency, thereby enabling a consistent confidence interval construction for the quantilograms. The newly developed reduction principles for the quantilograms serve as the main technical devices used to derive the asymptotics and establish the validity of MBB. We report some simulation evidence that our methods work satisfactorily. We apply our method to quantile predictive relations between financial returns and long-memory predictors.