A characterization of vector autoregressive processes with common cyclical features
具有共同周期特征的向量自回归过程刻画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：摘要明确研究不同单整阶数的 VAR 过程及共同周期结构，对应时间序列与 VAR 方法。
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
具有共同周期特征的向量自回归过程刻画
- 研究问题
- 对于零阶、一阶和二阶单整的 VAR 过程，共同序列相关、最终方程共同性与共同依赖各自何时存在，三者如何关联？
- 方法与思路
- 作者围绕逆矩阵的极点，对反向自回归多项式进行局部秩分解，以相应线性子空间刻画不同共同周期特征的线性组合。
- 材料陈述的贡献
- 摘要称，文中给出三类共同周期特征存在的充要条件；共同序列相关与最终方程共同性相互等价，共同依赖蕴含二者。
- 阅读关注点
- 应核对三类周期特征的正式定义、局部秩分解的构造，以及不同单整阶数下充要条件与单向蕴含关系的证明。
- 阅读边界
- 仅依据所给出版社摘要；摘要未提供分解公式、估计或检验程序，不能由这些理论关系直接推出实际数据中的周期结构。
原文摘要
This paper presents necessary and sufficient conditions for the existence of common cyclical features in Vector Auto Regressive (VAR) processes integrated of order 0, 1, 2, where the common cyclical features correspond to common serial correlation (CS), commonality in the final equations (CE) and co-dependence (CD). The results are based on local rank factorizations of the reversed AR polynomial around the poles of its inverse. All processes with CS structures are found to present also CE structures and vice versa. The presence of CD structures, instead, implies the presence of both CS and CE structures, but not vice versa. Characterizations of the CS, CE, CD linear combinations are given in terms of linear subspaces defined in the local rank factorizations.