Time-Varying Multivariate Causal Processes
时变多元因果过程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：摘要明确研究时变多元过程、平稳近似与系数函数推断，属于时间序列；标题中的因果过程不足以支持干预因果分类。
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
时变多元因果过程
- 研究问题
- 对于参数随时间变化的多元过程，如何建立可用于理论分析的平稳近似，并对系数函数进行逐点与同时推断？
- 方法与思路
- 作者先建立弱依赖平稳近似，再采用准极大似然估计系数函数，结合模拟与中美股票市场条件相关性的应用。
- 材料陈述的贡献
- 摘要称，该框架涵盖多类过程并支持系数函数推断；应用发现中美股市相互依赖随时间增强，但未给出具体幅度。
- 阅读关注点
- 应核对时变过程与平稳近似的条件、系数函数估计和同时推断方法，并区分过程因果性定义与干预因果效应。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明具体条件、应用样本期及相关性变化的不确定性。
原文摘要
In this paper, we consider a wide class of time-varying multivariate causal processes which nests many classic and new examples as special cases. We first prove the existence of a weakly dependent stationary approximation for our model which is the foundation to initiate the theoretical development. Afterwards, we consider the QMLE estimation approach, and provide both point-wise and simultaneous inferences on the coefficient functions. In addition, we demonstrate the theoretical findings through both simulated and real data examples. In particular, we show the empirical relevance of our study using an application to evaluate the conditional correlations between the stock markets of China and U.S. We find that the interdependence between the two stock markets is increasing over time.