Long Memory via Networking
通过网络连接产生的长记忆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：摘要直接讨论时间序列长记忆及经济子系统网络连接的生成机制，支持归入时间序列和网络方向。
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
通过网络连接产生的长记忆
- 研究问题
- 为何由短记忆、线性且同质的经济子系统构成的整体，会出现自相关随滞后缓慢衰减的长记忆？论文考察网络连接能否提供一种互补解释。
- 方法与思路
- 作者将大量子系统相互连接，使部分系统的输出成为其他系统的输入，研究这种非简单加总的网络聚合如何形成整体的长记忆行为。
- 材料陈述的贡献
- 摘要称，短记忆子系统经网络连接可产生长记忆；整体行为主要由网络几何决定，对个体行为的具体形式相对不敏感，提供了互补的生成机制。
- 阅读关注点
- 阅读全文时应核对网络几何的定义、系统规模与连接结构的条件，以及长记忆的判定方式和对个体行为“不敏感”的具体适用范围。
- 阅读边界
- 摘要未说明网络结构和子系统参数需满足哪些条件，也未给出经验检验细节；仅凭摘要不能判断该机制对现实经济时间序列的解释力。
原文摘要
Many time series exhibit “long memory”: Their autocorrelation function decays slowly with lag. This behavior has traditionally been modeled via unit roots or fractional Brownian motion and explained via aggregation of heterogeneous processes, nonlinearity, learning dynamics, regime switching, or structural breaks. This paper identifies a different and complementary mechanism for long‐memory generation by showing that it can naturally arise when a large number of simple linear homogeneous economic subsystems with short memory are interconnected to form a network such that the outputs of the subsystems are fed into the inputs of others. This networking picture yields a type of aggregation that is not merely additive, resulting in a collective behavior that is richer than that of individual subsystems. Interestingly, the long‐memory behavior is found to be almost entirely determined by the geometry of the network, while being relatively insensitive to the specific behavior of individual agents.