On Estimation of the Wavelet Variance
小波方差的估计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：摘要直接研究时间序列的尺度方差分解及其估计，未涉及金融波动率应用。
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
小波方差的估计
- 研究问题
- 如何将时间序列方差分解到不同尺度并估计各尺度的小波方差，离散小波变换与最大重叠估计的效率和区间表现有何差异？
- 方法与思路
- 作者比较基于离散小波变换和滤波解释的最大重叠估计，推导两者的大样本分布，并讨论近似置信区间构造。
- 材料陈述的贡献
- 摘要称最大重叠估计对一类物理科学过程更有效率，模拟支持中等样本下的大样本近似，并展示海洋垂直剪切应用。
- 阅读关注点
- 应核对过程类别、尺度与滤波器选择、边界处理和渐近条件，并查看模拟中分布近似与区间覆盖的评价方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；效率优势限于所述过程类别，不能据此认定适用于所有时间序列或金融波动率。
原文摘要
The wavelet variance decomposes the variance of a time series into components associated with different scales. We consider two estimators of the wavelet variance: the first based upon the discrete wavelet transform, and the second, called the maximal-overlap estimator, based upon a filtering interpretation of wavelets. We determine the large sample distribution for both estimators and show that the maximal-overlap estimator is more efficient for a class of processes of interest in the physical sciences. We discuss methods for determining an approximate confidence interval for the wavelet variance. We demonstrate through Monte Carlo experiments that the large sample distribution for the maximal-overlap estimator is a reasonable approximation even for the moderate sample size of 128 observations. We apply our proposed methodology to a series of observations related to vertical shear in the ocean.