Inference for Unstable Long-Memory Processes with Applications to Fractional Unit Root Autoregressions
不稳定长记忆过程的推断及其在分数单位根自回归中的应用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：摘要直接涉及自回归、长记忆、非平稳性及单位根检验，属于时间序列方法。
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
不稳定长记忆过程的推断及其在分数单位根自回归中的应用
- 研究问题
- 当自回归模型具有单位圆上的特征根且创新呈长记忆时，如何建立渐近推断，同时刻画低频现象中的非平稳性与长记忆行为？
- 方法与思路
- 作者为长记忆创新驱动的不稳定自回归模型发展渐近推断，并建立长记忆随机变量序列向分数布朗运动随机积分弱收敛的结果。
- 材料陈述的贡献
- 摘要称，新的弱收敛结果支持该类模型的渐近推断，并可用于分数自回归模型的单位根检验；摘要未给出具体检验统计量。
- 阅读关注点
- 应核对特征根与长记忆参数的范围、创新过程条件、归一化方式和极限分布，并确认单位根检验的临界值及干扰参数处理。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明。具体参数条件、检验实施和有限样本表现未提供，不能据此判断检验功效或稳健性。
原文摘要
An autoregressive time series is said to be unstable if all of its characteristic roots lie on or outside the unit circle, with at least one on the unit circle. This paper aims at developing asymptotic inferential schemes for an unstable autoregressive model generated by long-memory innovations. This setting allows both nonstationarity and long-memory behavior in the modeling of low-frequency phenomena. In developing these procedures, a novel weak convergence result for a sequence of long-memory random variables to a stochastic integral of fractional Brownian motions is established. Results of this paper can be used to test for unit roots in a fractional AR model.