Efficient Estimation of Multivariate Moving Average Autocovariances
多元移动平均过程自协方差的有效估计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：摘要明确研究多元移动平均过程、自协方差、周期图及时间序列预测。
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
多元移动平均过程自协方差的有效估计
- 研究问题
- 对于多维有限阶移动平均过程，如何通过频域回归估计自协方差，并达到与高斯似然估计相同的渐近协方差？
- 方法与思路
- 作者将周期图对自协方差进行广义最小二乘回归，把单变量估计方法推广到多元移动平均过程，并讨论最小二乘预测。
- 材料陈述的贡献
- 摘要称，所提估计量与高斯似然最大化所得估计具有相同渐近协方差，同时提供预测应用和 Monte Carlo 模拟。
- 阅读关注点
- 应核对频域回归的权重构造、移动平均阶数和模型条件，以及渐近协方差等同性如何影响预测与有限样本估计。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，不能据渐近协方差相同断言有限样本等效或计算更优；模拟结果的具体数值未提供。
原文摘要
This paper proposes a method for estimating the autocovariances of a d -dimensional moving average process of order q . The estimators have the same asymptotic covariance matrix as those obtained by maximizing a Gaussian likelihood, and are obtained by performing a generalized least squares regression of the periodogram on the autocovariances, thus extending Parzen's (1971) estimators for d = 1. An application to least squares prediction is described and the results of a Monte Carlo simulation are presented.