Fixed-smoothing asymptotics for time series
时间序列的固定平滑渐近理论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：题名与摘要明确研究时间序列固定平滑推断及依赖自助法。
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
时间序列的固定平滑渐近理论
- 研究问题
- 在固定平滑框架下，时间序列子抽样 t 统计量和 Wald 统计量的渐近近似有多准确，能否为相关自助法提供二阶有效性依据？
- 方法与思路
- 作者在高斯位置模型中推导上述统计量有限样本分布的高阶 Edgeworth 展开，给出主导误差项，并分析高斯依赖自助法。
- 材料陈述的贡献
- 摘要称渐近近似误差为样本量倒数阶，获得主导误差项的显式形式，并在高斯位置模型中证明新自助法的二阶正确性。
- 阅读关注点
- 应核对固定平滑的具体设定、时间依赖条件、子抽样方式、展开误差的衡量标准，以及自助法二阶正确性对应的推断对象。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；结果明确置于高斯位置模型，不能未经核对推广到非高斯过程或一般回归模型。
原文摘要
In this paper, we derive higher order Edgeworth expansions for the finite sample distributions of the subsampling-based $t$-statistic and the Wald statistic in the Gaussian location model under the so-called fixed-smoothing paradigm. In particular, we show that the error of asymptotic approximation is at the order of the reciprocal of the sample size and obtain explicit forms for the leading error terms in the expansions. The results are used to justify the second-order correctness of a new bootstrap method, the Gaussian dependent bootstrap, in the context of Gaussian location model.