A multivariate test against spurious long memory
针对伪长记忆的多变量检验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：摘要涉及长记忆与分数阶协整、水平位移和趋势备择，并应用于股指实现波动率。
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…
针对伪长记忆的多变量检验
- 研究问题
- 如何在多变量序列中识别由随机水平位移或平滑趋势造成的伪长记忆，并将检验用于存在分数阶协整的系统？
- 方法与思路
- 作者以多变量局部 Whittle 似然偏导数的加权和构造得分型检验；对于分数阶协整序列，先估计协整矩阵再变换系统。
- 材料陈述的贡献
- 摘要称，检验对随机水平位移和平滑趋势备择一致，并给出协整处理后的极限分布及一致性，应用于多个股指数据。
- 阅读关注点
- 应核对真正长记忆与伪长记忆的零假设备择区分、权重与带宽设置，以及协整矩阵估计如何影响检验分布。
- 阅读边界
- 仅据所给出版社摘要，不能判断对其他伪长记忆机制是否一致；股指绝对收益和实现波动率应用未提供具体检验结果。
原文摘要
This paper provides a multivariate score-type test against spurious long memory. We prove the consistency of the test against the alternatives of random level shifts and smooth trends. The test statistic is based on the weighted sum of the partial derivatives of the multivariate local Whittle likelihood function. To apply the test to fractionally cointegrated series, the test statistic is calculated for the linearly transformed system after estimating the cointegrating matrix. We derive the limiting distribution and show consistency of this procedure. The test is applied to log-absolute returns and log-realized volatilities of the S&P 500, DAX, FTSE, and NIKKEI.