On the use of the cumulant generating function for inference on time series
利用累积量生成函数进行时间序列推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究时间序列的 Whittle 频域估计、周期图近似与假设检验，因此最直接对应时间序列方法方向。
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…
利用累积量生成函数进行时间序列推断
- 研究问题
- 如何围绕频域 Whittle 估计开展密度近似与复合假设检验，并扩大鞍点检验的适用范围，是本文研究的问题。
- 方法与思路
- 作者利用周期图纵坐标的近似分布，构造 Whittle 似然得分的累积量生成函数及其广义 Legendre 变换，设计推断和检验算法。
- 材料陈述的贡献
- 摘要称，新算法扩大既有鞍点检验的适用范围并保持数值精度，同时建立与频域自助法、经验似然和指数倾斜方法的联系。
- 阅读关注点
- 应核对周期图分布近似的条件、复合假设下干扰参数的处理、鞍点计算的稳定性，以及精度比较采用的样本规模和评价指标。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未给出适用的过程类别、近似误差阶或具体数值结果，优势边界尚不明确。
原文摘要
We introduce innovative inference procedures for analyzing time series data. Our methodology enables density approximation and composite hypothesis testing based on Whittle's estimator, a widely applied M-estimator in the frequency domain. Its core feature involves the (general Legendre transform of the) cumulant generating function of the Whittle likelihood score, as obtained using an approximated distribution of the periodogram ordinates. We present a testing algorithm that significantly expands the applicability of the state-of-the-art saddlepoint test, while maintaining the numerical accuracy of the saddlepoint approximation. Additionally, we demonstrate connections between our findings and three other prevalent frequency domain approaches: the bootstrap, empirical likelihood, and exponential tilting. Numerical examples using both simulated and real data illustrate the advantages and accuracy of our methodology.