Bayesian estimation of the autocovariance of a model error in time series
时间序列模型误差自协方差的贝叶斯估计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：摘要直接讨论时间序列误差的谱密度、自协方差估计与汇率预测，因此对应时间序列和预测方向，未明确研究收益预测。
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
时间序列模型误差自协方差的贝叶斯估计
- 研究问题
- 时间序列误差的参数化设定可能造成模型误设，传统非参数截断又涉及带宽选择；本文研究如何估计误差自协方差结构。
- 方法与思路
- 作者在频域对误差谱密度进行贝叶斯非参数估计，分别考虑误差方差固定和随时间变化的情形，并同时估计模型参数。
- 材料陈述的贡献
- 摘要称，该方法避免传统截断方法中的带宽选择问题，在汇率预测应用中与包括无漂移随机游走在内的基准相比表现有竞争力。
- 阅读关注点
- 应核对谱密度先验、自协方差恢复方式、时变方差的处理，以及汇率预测的样本划分、损失函数和基准模型设定。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明先验、理论条件及预测数值，不能确认普遍优于所列基准。
原文摘要
Autocovariance of the error term in a time series model plays a key role in the estimation and inference for the model that it belongs to. Typically, some arbitrary parametric structure is assumed upon the error to simplify the estimation, which inevitably introduces potential model-misspecification. We thus conduct nonparametric estimation of it. To avoid the difficult bandwidth selection issue under the traditional nonparametric truncation approach, this paper conducts the Bayesian estimation of its spectral density in a frequency domain. To this end, we consider two cases: fixed error variance and time-varying one. Each approach is taken to estimate the spectral density of the autocovariance and the model parameters. The methodology is applied to exchange rate forecasting and proves to compete favorably against some benchmark models, including the random walk without drift.