Inference on transformed stationary time series
经瞬时变换的平稳时间序列推断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：摘要明确研究平稳过程、Whittle 估计和经变换的向量 ARMA 模型，直接对应时间序列参数推断。
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
经瞬时变换的平稳时间序列推断
- 研究问题
- 如何对经瞬时变换的平稳过程进行参数估计与检验，并在不要求创新高斯性或信息等式的情况下开展推断？
- 方法与思路
- 作者分析 Whittle 估计的渐近性质，引入新版本 Box-Cox 变换研究向量 ARMA，并提出计算密集型估计和 Monte Carlo Wald 检验。
- 材料陈述的贡献
- 摘要称，文章给出不必要求创新高斯性的渐近协方差表达，并提供无需掌握该表达或依赖信息等式的可计算检验。
- 阅读关注点
- 应核对新 Box-Cox 变换的定义与取值域、变换后向量 ARMA 的设定，以及 Monte Carlo 检验的模拟机制与有效性条件。
- 阅读边界
- 仅据所给出版社摘要，无法判断变换参数识别、创新分布限制、计算成本或检验表现；模拟与真实数据示例的细节未说明。
原文摘要
The paper is about an approach for parametric inference on instantaneously transformed stationary processes. The paper discusses the asymptotics of the Whittle estimator of the parameters involved and also provides the explicit expression of the asymptotic covariance matrix which does not necessarily require the innovation Gaussianity assumption. As a specific instantaneous transformation, the paper introduces a new version of the Box-Cox transformation and investigates in detail the vector ARMA processes implemented by that transformation, proposing a computation-intensive procedure for parametric estimation and testing. As a computationally feasible test not relying upon the knowledge of the explicit analytic form of the asymptotic covariance matrix or on the information equality, the paper proposes a Monte Carlo Wald test, providing illustrative simulation and real-data examples.