TESTING FOR SERIAL CORRELATION OF UNKNOWN FORM USING WAVELET METHODS
利用小波方法检验未知形式的序列相关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：摘要明确围绕时间序列的谱密度、周期特征与序列相关检验展开。
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
利用小波方法检验未知形式的序列相关
- 研究问题
- 当经济或金融时间序列的谱密度包含局部峰值、尖峰或周期特征时，如何构造能识别未知形式序列相关的一致检验？
- 方法与思路
- 作者比较小波谱密度估计与无序列相关零假设下的谱密度，利用小波对局部特征的适应能力构造单侧检验。
- 材料陈述的贡献
- 摘要称，检验具有渐近标准正态分布并对未知形式序列相关一致；模拟支持其在谱密度明显不均匀时的功效优势。
- 阅读关注点
- 应核对小波选择、分辨率与阈值处理、渐近分布成立条件，以及局部谱特征如何影响与核方法比较时的检验功效。
- 阅读边界
- 仅据所给 Crossref 摘要，不能确定具体调参规则与模拟幅度；相对核检验的优势针对特定谱形态，不能理解为普遍占优。
原文摘要
A wavelet-based consistent test for serial correlation of unknown form is proposed. As a spatially adaptive estimation method, wavelets can effectively detect local features such as peaks and spikes in a spectral density, which can arise as a result of strong autocorrelation or seasonal or business cycle periodicities in economic and financial time series. The proposed test statistic is constructed by comparing a wavelet-based spectral density estimator and the null spectral density. It is asymptotically one-sided N (0,1) under the null hypothesis of no serial correlation and is consistent against serial correlation of unknown form. The test is expected to have better power than a kernel-based test (e.g., Hong, 1996, Econometrica 64, 837–864) when the true spectral density has significant spatial inhomogeneity. This is confirmed in a simulation study. Because the spectral densities of time series arising in practice usually have unknown smoothness, the wavelet-based test is a useful complement to the kernel-based test in practice.