A Test Against Spurious Long Memory
识别伪长记忆的检验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。
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：摘要在时间序列中区分平稳长记忆与状态变化、平滑趋势，并提出频域检验，因此归入时间序列与结构变化。
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
识别伪长记忆的检验
- 研究问题
- 如何检验时间序列为平稳长记忆过程的原假设，并将其与受到状态变化或平滑趋势影响的过程区分开来？
- 方法与思路
- 作者利用零频率附近收缩邻域内的剖面局部 Whittle 似然导数构造频域检验，摘要称其条件允许非高斯性或条件异方差。
- 材料陈述的贡献
- 摘要称，原假设下极限分布不含干扰参数且易于模拟，检验无需预设趋势形式或状态数；蒙特卡洛结果显示水平与功效表现尚可。
- 阅读关注点
- 阅读全文时应核对低频邻域与带宽选择、极限分布成立条件及模拟设计，并检查三项应用如何区分长记忆、状态变化与平滑趋势。
- 阅读边界
- 摘要未说明具体正则条件、模拟参数或三项应用结果；拒绝平稳长记忆原假设，也不能仅凭该检验确定是哪一种变化机制。
原文摘要
This paper proposes a test statistic for the null hypothesis that a given time series is a stationary long-memory process against the alternative hypothesis that it is affected by regime change or a smoothly varying trend. The proposed test is in the frequency domain and is based on the derivatives of the profiled local Whittle likelihood function in a degenerating neighborhood of the origin. The assumptions used are mild, allowing for non-Gaussianity or conditional heteroscedasticity. The resulting null limiting distribution is free of nuisance parameters and can be easily simulated. Furthermore, the test is straightforward to implement; in particular, it does not require specifying the form of the trend or the number of different regimes under the alternative hypothesis. Monte Carlo simulation shows that the test has decent size and power properties. The article also considers three empirical applications to illustrate the usefulness of the test. This article has supplementary material online.