Convergence to Stochastic Integrals for Dependent Heterogeneous Processes
相依异质过程向随机积分的收敛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：摘要列明 I(1)、I(2)、近单位根与非平稳方差过程等应用，直接支持时间序列领域分类。
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
相依异质过程向随机积分的收敛
- 研究问题
- 在创新具有相依性且过程允许异质性的情况下，哪些条件可以保证随机积分弱收敛，并支持非平稳过程的估计理论？
- 方法与思路
- 作者在创新强混合及矩一致有界的条件下证明随机积分弱收敛定理，并给出多类非平稳过程与连续时间近似的应用。
- 材料陈述的贡献
- 摘要称，相关结果可用于 I(1)、I(2)、非平稳方差及近单位根过程的估计理论，也适用于连续时间近似。
- 阅读关注点
- 应核对强混合系数的限制、积分过程的构造与归一化，并查清摘要所写“2-h 阶矩”的确切含义和各应用条件。
- 阅读边界
- 摘要未列出完整弱收敛条件、极限积分形式或各应用的证明；矩条件记号也需核对，不能自行替换成某个确定阶数。
原文摘要
This paper provides conditions to establish the weak convergence of stochastic integrals. The theorems are proved under the assumption that the innovations are strong mixing with uniformly bounded 2-h moments. Several applications of the results are given, relevant for the theories of estimation with I (1) processes, I (2) processes, processes with nonstationary variances, near-integrated processes, and continuous time approximations.