Nonparametric tests of the Markov hypothesis in continuous-time models
连续时间模型中马尔可夫假设的非参数检验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：摘要研究平稳依赖过程的马尔可夫性质检验，直接对应时间序列模型诊断。
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…
连续时间模型中马尔可夫假设的非参数检验
- 研究问题
- 对于离散时间间隔观测的平稳 β 混合过程，如何非参数检验马尔可夫假设，并评估对所研究备择模型的检验力？
- 方法与思路
- 作者以 Chapman–Kolmogorov 方程构造多个统计量，推导原假设下的渐近分布，并分析检验力和有限样本表现。
- 材料陈述的贡献
- 摘要称检验具有 Wilks 现象，并用扩散原假设及含随机均值回复水平、随机波动和跳跃的备择进行模拟考察。
- 阅读关注点
- 应核对转移分布的估计、平滑参数选择、混合及采样条件，以及所列备择为何偏离马尔可夫假设和检验能识别哪些偏离。
- 阅读边界
- 以下限制对应原请求所用摘要版本：这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列统计量形式、完整条件或检验力结果，不能断言可识别所有备择。 经AI辅助核对旧与当前摘要内容等价；未另读刊稿全文，不能据此证明整个稿件版本等价。
原文摘要
We propose several statistics to test the Markov hypothesis for β-mixing stationary processes sampled at discrete time intervals. Our tests are based on the Chapman–Kolmogorov equation. We establish the asymptotic null distributions of the proposed test statistics, showing that Wilks’s phenomenon holds. We compute the power of the test and provide simulations to investigate the finite sample performance of the test statistics when the null model is a diffusion process, with alternatives consisting of models with a stochastic mean reversion level, stochastic volatility and jumps.