Tests for Hurst effect
Hurst 效应的检验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：摘要明确涉及分数高斯噪声、一阶自回归过程和重标极差检验，属于时间序列方法。
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
Hurst 效应的检验
- 研究问题
- 如何通过检验功效区分分数高斯噪声与摘要提及的白噪声及一阶自回归情形，判断观察到的 Hurst 效应？
- 方法与思路
- 作者考虑基于 beta 最优原则、局部最优性及重标极差的检验，研究它们区分所述随机过程的功效表现。
- 材料陈述的贡献
- 摘要明确提出对几类 Hurst 效应检验进行功效研究，但没有报告具体功效排序、数值结果或哪种检验占优。
- 阅读关注点
- 应核对原假设与备择过程的精确定义、Hurst 参数范围、各最优性准则，以及短期相关对检验校准的影响。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；白噪声与一阶自回归过程的关系表述不清，须核对原文，不能自行补全。
原文摘要
We consider the power of tests for distinguishing between fractional Gaussian noise and white noise of a first-order autoregressive process. Our tests are based on the beta-optimal principle (Davies, 1969), local optimality and the rescaled range test.