Local Quadratic Spectral and Covariance Matrix Estimation
局部二次谱密度矩阵与协方差矩阵估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究多元时间序列的谱密度及长期协方差估计，并应用于通胀和失业。
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
局部二次谱密度矩阵与协方差矩阵估计
- 研究问题
- 如何利用多元时间序列谱密度矩阵在零频率和 π 频率处为实值的特点，改进边界估计并支持样本均值的统计推断？
- 方法与思路
- 作者对多元周期图的实部进行局部多项式回归以构造谱密度矩阵估计，并通过理论、模拟及通胀和失业应用考察性质。
- 材料陈述的贡献
- 摘要提出针对边界频率特点的新估计量，强调零频率谱密度与样本均值大样本协方差的联系，并提供理论与模拟研究。
- 阅读关注点
- 应核对边界处回归形式、带宽及多项式阶数选择、矩阵半正定性，以及估计误差如何影响均值检验和置信区间。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实。摘要未说明平稳性等理论条件、调参方式及数值表现，不能判断其普遍优于现有估计。
原文摘要
The problem of estimating the spectral density matrix $f(w)$ of a multivariate time series is revisited with special focus on the frequencies $w=0$ and $w=π$. Recognizing that the entries of the spectral density matrix at these two boundary points are real-valued, we propose a new estimator constructed from a local polynomial regression of the real portion of the multivariate periodogram. The case $w=0$ is of particular importance, since $f(0)$ is associated with the large-sample covariance matrix of the sample mean; hence, estimating $f(0)$ is crucial in order to conduct any sort of statistical inference on the mean. We explore the properties of the local polynomial estimator through theory and simulations, and discuss an application to inflation and unemployment.