A NEW METHOD FOR OBTAINING THE AUTOCOVARIANCE OF AN ARMA MODEL: AN EXACT FORM SOLUTION
计算 ARMA 模型自协方差的新方法：精确形式解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：摘要以 ARMA 模型的理论自协方差和参数冗余为核心，直接涉及时间序列模型的表示与计算。
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
计算 ARMA 模型自协方差的新方法：精确形式解
- 研究问题
- 研究如何计算 ARMA 模型的理论自协方差函数，并利用自回归多项式根及移动平均参数判断模型是否存在冗余。
- 方法与思路
- 作者提出计算理论自协方差的新方法，通过相关定理将结果表示为自回归多项式根和移动平均部分参数的闭式函数。
- 材料陈述的贡献
- 摘要称该方法产生两项结果：理论自协方差的闭式解，以及保证模型不存在冗余的一个充分条件。
- 阅读关注点
- 应核对平稳性、重根及根重合情形的处理、闭式公式的计算步骤，以及无冗余充分条件和必要条件之间的差别。
- 阅读边界
- 仅依据所给 Crossref 摘要，无法确认公式和条件的具体内容，也不能认定该算法在数值稳定性或速度上优于已有方法。
原文摘要
In this article we present a new method for computing the theoretical autocovariance function of an autoregressive moving average model. The importance of our theorem is that it yields two interesting results: First, a closed-form solution is derived in terms of the roots of the autoregressive polynomial and the parameters of the moving average part. Second, a sufficient condition for the lack of model redundancy is obtained.