Minimum Distance Estimation of Possibly Noninvertible Moving Average Models
可能不可逆的移动平均模型的最小距离估计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：摘要围绕非高斯移动平均模型、单位圆根、可逆性与模拟估计展开，核心内容直接对应时间序列方向。
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
可能不可逆的移动平均模型的最小距离估计
- 研究问题
- 研究非高斯误差下的移动平均模型能否在不要求可逆性的情况下识别和估计，并在根位于单位圆内、外或其上时保持常规推断性质。
- 方法与思路
- 作者以高阶累积量识别参数，对 MA(1) 作广义矩估计；一般模型则结合高阶矩辅助回归和灵活误差分布进行模拟估计。
- 材料陈述的贡献
- 摘要称，MA(1) 估计在根位于单位圆内、外或其上时均具 √T 一致性和渐近正态性，模拟估计也无需可逆性假设。
- 阅读关注点
- 阅读时应核对高阶累积量识别所需条件、无界参数空间的作用、模拟误差分布设定，以及单位圆上渐近结论的证明。
- 阅读边界
- 摘要未列出非高斯分布和矩存在性的具体要求；Fama–French 组合收益中的不可逆性证据也需结合应用设计核对。
原文摘要
This article considers estimation of moving average (MA) models with non-Gaussian errors. Information in higher order cumulants allows identification of the parameters without imposing invertibility. By allowing for an unbounded parameter space, the generalized method of moments estimator of the MA(1) model is classical root-T consistent and asymptotically normal when the MA root is inside, outside, and on the unit circle. For more general models where the dependence of the cumulants on the model parameters is analytically intractable, we consider simulation-based estimators with two features. First, in addition to an autoregressive model, new auxiliary regressions that exploit information from the second and higher order moments of the data are considered. Second, the errors used to simulate the model are drawn from a flexible functional form to accommodate a large class of distributions with non-Gaussian features. The proposed simulation estimators are also asymptotically normally distributed without imposing the assumption of invertibility. In the application considered, there is overwhelming evidence of noninvertibility in the Fama-French portfolio returns.