NONPARAMETRIC INFERENCE FOR UNBALANCED TIME SERIES DATA
非平衡时间序列数据的非参数推断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：摘要明确讨论非平衡向量时间序列的抽样与重抽样；金融面板和跨国研究仅作为可能出现此类数据的场景。
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
非平衡时间序列数据的非参数推断
- 研究问题
- 向量时间序列存在不完整或非平衡观测时，如何避免仅用共同样本造成的信息损失，并在不引入插补模型的情况下开展推断？
- 方法与思路
- 作者研究缺失数据如何改变抽样理论，并调整重抽样算法以适应非平衡观测，同时讨论效率和检验功效问题。
- 材料陈述的贡献
- 摘要称，论文给出适用于所考察缺失数据结构的抽样理论与重抽样调整，为共同样本截取和依赖额外建模的插补提供替代路径。
- 阅读关注点
- 应核对非平衡与缺失模式的定义、缺失机制及时间依赖条件，以及调整后的重抽样怎样利用各分量不同的可用样本。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要；允许的缺失机制、算法细节与效率比较未说明，不能推广到任意缺失数据问题或推断版本变化。
原文摘要
This paper is concerned with the practical problem of conducting inference in a vector time series setting when the data are unbalanced or incomplete. In this case, one can work with only the common sample, to which a standard HAC/bootstrap theory applies, but at the expense of throwing away data and perhaps losing efficiency. An alternative is to use some sort of imputation method, but this requires additional modeling assumptions, which we would rather avoid. We show how the sampling theory changes and how to modify the resampling algorithms to accommodate the problem of missing data. We also discuss efficiency and power. Unbalanced data of the type we consider are quite common in financial panel data; see, for example, Connor and Korajczyk (1993, Journal of Finance 48, 1263–1291). These data also occur in cross-country studies.I thank Greg Connor, Esfandiar Maasoumi, Peter Phillips, Peter Robinson, Yoon Whang, and two referees for helpful comments.