Robust and consistent estimates of autoregressive-moving average parameters
自回归移动平均参数的稳健一致估计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 ARMA 与纯自回归模型的参数估计，对应时间序列方法。
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
自回归移动平均参数的稳健一致估计
- 研究问题
- 如何估计自回归移动平均模型参数，使估计量既在基准高斯模型下保持一致性，又对观测数据中的异常值不敏感？
- 方法与思路
- 作者构造可视为 r 阶极大似然估计稳健版本的参数估计方法；在纯自回归模型中，该方法退化为广义 M 估计的一个特例。
- 材料陈述的贡献
- 摘要提出同时追求高斯基准模型下一致性与异常值稳健性的 ARMA 参数估计，并说明其与广义 M 估计之间的联系。
- 阅读关注点
- 应核对 r 阶的具体含义、稳健目标函数、异常值污染设定及一致性条件，并检查稳健性和计算可行性如何得到论证。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；污染范围、稳健性指标和效率代价未说明，不能判断对所有异常值均有效。
原文摘要
We aim at estimates of autoregressive-moving average parameters which are simultaneously consistent at the nominal Gaussian model and insensitive to outliers in the data. The estimates may be viewed as a robust version of maximum likelihood estimates of order r and, for purely autoregressive models, reduce to a special case of generalized M-estimates.