Level Shifts and the Illusion of Long Memory in Economic Time Series
水平跃迁与经济时间序列中的长记忆假象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：摘要直接研究时间序列的长记忆估计，并分析水平跃迁造成的偏误，对应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
水平跃迁与经济时间序列中的长记忆假象
- 研究问题
- 经济时间序列中的偶发水平跃迁，如何使原本短记忆的过程被对数周期图估计量误判为长记忆，并如何减轻这种偏误？
- 方法与思路
- 作者在平稳短记忆过程伴随缓慢水平变化的框架下，推导GPH估计量的偏误近似，并根据预期跃迁次数与带宽的关系构造修正估计量。
- 材料陈述的贡献
- 摘要称，渐近偏误严格位于零与一之间，取决于预期跃迁次数与带宽之比；修正GPH的偏误明显较低，并有大豆价格和股市波动率应用。
- 阅读关注点
- 核对偏误近似所用的渐近框架、水平跃迁次数与带宽的相对增长，以及修正估计量在大豆价格和股票市场波动率中的实施方式。
- 阅读边界
- 摘要未说明水平跃迁的生成机制、带宽选择和修正所需信息；应用例证不能证明该方法能普遍区分真实长记忆与结构变化。
原文摘要
When applied to time series processes containing occasional level shifts, the log-periodogram (GPH) estimator often erroneously finds long memory. For a stationary short-memory process with a slowly varying level, I show that the GPH estimator is substantially biased, and derive an approximation to this bias. The asymptotic bias lies on the (0, 1) interval, and its exact value depends on the ratio of the expected number of level shifts to a user-defined bandwidth parameter. Using this result, I formulate the modified GPH estimator, which has a markedly lower bias. I illustrate this new estimator via applications to soybean prices and stock market volatility.