Large-sample properties of the periodogram estimator of seasonally persistent processes
季节性持久过程周期图估计量的大样本性质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：摘要明确研究季节性持久、长期记忆、周期图与谱估计，直接对应时间序列方向。
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…
季节性持久过程周期图估计量的大样本性质
- 研究问题
- 具有长期记忆和准周期行为的季节性持久过程中，周期图及加窗估计量的大样本性质能否沿用零频极点的结果？
- 方法与思路
- 作者分析周期图及其他加窗估计量的偏差与分布，讨论高斯过程情形，并考察余弦窗、正弦窗和扩展最小二乘估计。
- 材料陈述的贡献
- 摘要称零频长期记忆结论不能直接推广，同一长期记忆参数可对应较大的正负偏差，并可写出高斯情形的新分布。
- 阅读关注点
- 应核对季节性频率、平稳参数范围、偏差正负的决定因素，以及不同窗函数和扩展最小二乘估计的渐近设定。
- 阅读边界
- 所据为稿件版本未注明的 OpenAlex 索引摘要；摘要未提供偏差表达式、极限分布或参数条件，不能判断具体过程中的偏差大小。
原文摘要
Seasonally persistent models were first introduced by Anděl (1986) and Gray et al. (1989) to extend autoregressive moving‐average and fractionally differenced models and to encompass long‐memory quasi‐periodic behaviour. These models are, for certain ranges of parameters, stationary, and we prove here that the behaviour of the periodogram and other tapered estimators cannot be simply extended from the work of Künsch (1986) and Hurvich & Beltrao (1993) on long memory induced by a pole at the origin. We demonstrate that potentially large both positive and negative bias can be found from the same value of the long‐memory parameter, and that the new distribution can be easily written down in the case of Gaussian processes. We also consider using both the cosine taper and the sine taper. The extended least squares estimator is also considered in this context.