IID Time Series Testing
时间序列的独立同分布检验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：摘要直接研究时间序列白噪声与独立同分布检验，金融异方差仅作为说明性例子。
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
时间序列的独立同分布检验
- 研究问题
- 传统白噪声检验可能遗漏无自相关但存在异方差的序列，如何结合原序列与绝对值序列的信息检验独立同分布？
- 方法与思路
- 作者将原序列和绝对值序列上的白噪声检验组合为综合检验，并提出构造多种独立同分布检验的一般框架。
- 材料陈述的贡献
- 摘要称，方法扩展仅关注自相关函数的检验思路，并在自回归线性序列和异方差模拟数据上考察所构造的检验。
- 阅读关注点
- 应核对综合统计量与临界值的构造、原假设下的条件，以及对非线性依赖、分布变化和不同异方差机制的检验能力。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已经同行评审或期刊接收；摘要未报告水平和功效，不能认为组合检验可检测所有非独立同分布情形。
原文摘要
Traditional white noise testing, for example the Ljung-Box test, studies only the autocorrelation function (ACF). Time series can be heteroscedastic and therefore not i.i.d. but still white noise (that is, with zero ACF). An example of heteroscedasticity is financial time series: times of high variance (financial crises) can alternate with times of low variance (calm times). Here, absolute values of time series terms are not white noise. We could test for white noise separately for original and absolute values, for example using Ljung-Box tests for both. In this article, we create an omnibus test which combines these two tests. Moreover, we create a general framework to create various i.i.d. tests. We apply tests to simulated data, both autoregressive linear and heteroscedastic.