ROBUST COVARIANCE MATRIX ESTIMATION: HAC ESTIMATES WITH LONG MEMORY/ANTIPERSISTENCE CORRECTION
稳健协方差矩阵估计：长记忆与反持续性修正的 HAC 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。
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：摘要明确涉及向量过程的长记忆、反持续性及零频谱估计，直接对应时间序列依赖结构。
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
稳健协方差矩阵估计：长记忆与反持续性修正的 HAC 估计
- 研究问题
- 向量过程各分量存在长记忆或反持续性时，常规零频谱平滑估计为何失去一致性，如何估计部分和的协方差矩阵？
- 方法与思路
- 作者提出经记忆特征修正的协方差估计方法，使其自动适应未知且可在向量不同分量之间变化的记忆参数。
- 材料陈述的贡献
- 摘要称，所提估计量在长记忆或反持续性导致常规估计不一致的情形下仍保持一致，并允许各分量记忆参数未知且不同。
- 阅读关注点
- 应核对目标协方差的归一化、允许的记忆参数范围、分量间依赖限制，以及参数估计和频域平滑对一致性的影响。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体修正公式、收敛速度及适用条件未说明，不能认定其覆盖所有长记忆模型或推断版本变化。
原文摘要
Smoothed nonparametric estimates of the spectral density matrix at zero frequency have been widely used in econometric inference, because they can consistently estimate the covariance matrix of a partial sum of a possibly dependent vector process. When elements of the vector process exhibit long memory or antipersistence such estimates are inconsistent. We propose estimates which are still consistent in such circumstances, adapting automatically to memory parameters that can vary across the vector and be unknown.