Asymptotic inference in multiple-threshold double autoregressive models
多门槛双重自回归模型的渐近推断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：摘要研究多门槛自回归与条件异方差时间序列，并应用于季度美国实际国民生产总值。
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…
多门槛双重自回归模型的渐近推断
- 研究问题
- 多门槛双重自回归模型如何保证平稳遍历性，门槛与其他参数如何进行渐近推断，又怎样确定门槛数量？
- 方法与思路
- 作者研究伪最大似然估计，推导门槛估计的双侧复合泊松过程极限及其他参数的正态极限，并提出基于得分的门槛数量检验。
- 材料陈述的贡献
- 摘要给出一阶模型存在唯一平稳遍历解的充分条件，称门槛估计渐近独立、检验极限无分布，并以模拟和美国实际国民生产总值展示。
- 阅读关注点
- 应核对门槛间隔、状态分布及伪似然条件，区分一阶模型的平稳性结论与一般模型推断，并查看门槛数量检验的实施。
- 阅读边界
- 所给出版社摘要将门槛与其余参数均写为 n 一致，需核对全文是否存在排版问题；不能自行改写速率，数值表现亦未说明。
原文摘要
This paper investigates a class of multiple-threshold models, called Multiple Threshold Double AR (MTDAR) models. A sufficient condition is obtained for the existence and uniqueness of a strictly stationary and ergodic solution to the first-order MTDAR model. We study the Quasi-Maximum Likelihood Estimator (QMLE) of the MTDAR model. The estimated thresholds are shown to be n-consistent, asymptotically independent, and to converge weakly to the smallest minimizer of a two-sided compound Poisson process. The remaining parameters are n-consistent and asymptotically multivariate normal. In particular, these results apply to the multiple threshold ARCH model, with or without AR part, and to the multiple threshold AR models with ARCH errors. A score-based test is also presented to determine the number of thresholds in MTDAR models. The limiting distribution is shown to be distribution-free and is easy to implement in practice. Simulation studies are conducted to assess the performance of the QMLE and our score-based test in finite samples. The results are illustrated with an application to the quarterly US real GNP data over the period 1947–2013.