Identifying Cointegration by Eigenanalysis
通过特征分析识别协整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：摘要直接研究非平稳时间序列的单整阶数、协整空间和协整秩。
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
通过特征分析识别协整
- 研究问题
- 当非平稳时间序列的整数单整阶数未知且可能不同，如何识别协整空间与协整秩，并处理缓慢增加的维度？
- 方法与思路
- 作者在不指定具体模型的框架中，对某个非负定矩阵进行特征分析来估计协整结构，并将方法扩展至分数阶情形。
- 材料陈述的贡献
- 摘要称固定维度和缓慢增长维度下的协整空间及秩估计一致，分数阶扩展也获论证，并报告模拟与小型实证示例。
- 阅读关注点
- 应核对矩阵构造、秩选择规则、单整阶数与维度增长限制，以及整数阶和分数阶结论各自依赖的条件。
- 阅读边界
- 依据arXiv 1505.00821v3预印本摘要；不能据此声称该版本已同行评审或被期刊接收，也不能推断刊本变化。摘要未列具体条件或数值表现。
原文摘要
We propose a new and easy-to-use method for identifying cointegrated components of nonstationary time series, consisting of an eigenanalysis for a certain non-negative definite matrix. Our setting is model-free, and we allow the integer-valued integration orders of the observable series to be unknown, and to possibly differ. Consistency of estimates of the cointegration space and cointegration rank is established both when the dimension of the observable time series is fixed as sample size increases, and when it diverges slowly. The proposed methodology is also extended and justified in a fractional setting. A Monte Carlo study of finite-sample performance, and a small empirical illustration, are reported.