Simultaneous Inference Bands for Autocorrelations
自相关系数的同时推断带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：摘要核心是时间序列和回归残差自相关系数的联合推断，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…
自相关系数的同时推断带
- 研究问题
- 如何为时间序列及回归残差的多个自相关系数构造同时显著性带与置信带，纠正逐点覆盖不足并允许条件异方差？
- 方法与思路
- 作者提出同时显著性带和置信带，为条件异方差提供稳健版本，并针对动态回归残差在渐近方差中加入相应修正项。
- 材料陈述的贡献
- 摘要称所提推断带易于构造且可同时量化抽样不确定性，并通过模拟及通胀、超额收益和 Phillips 曲线残差应用展示用途。
- 阅读关注点
- 应核对联合覆盖的构造方式、滞后阶数选择、异方差稳健方差估计，以及动态回归参数估计引出的修正项如何进入推断。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未列明依赖与矩条件，也未说明滞后维度增长时的覆盖保证。
原文摘要
Sample autocorrelograms typically come with significance (non-rejection) bands for the null hypothesis of no temporal correlation. These bands have three shortcomings. First, they build on pointwise intervals and suffer from joint undercoverage (overrejection) under the null hypothesis. Second, in cases where this null is clearly violated one would rather prefer to see confidence bands to quantify estimation uncertainty. Third, they are invalid under conditional heteroskedasticity. We propose both simultaneous significance and confidence bands for time series and series of regression residuals. Our simultaneous inference bands are as easy to construct as their pointwise counterparts and at the same time provide an intuitive and visual quantification of sampling uncertainty as well as valid statistical inference. For residuals from dynamic regressions, we show how our inference bands from the case of observed time series and static regressions need to be adjusted due to a correction term in the asymptotic variances. For all our bands, we also provide robust versions, allowing for conditional heteroskedasticity. We analyse the finite-sample performance of our inference bands in a simulation study and illustrate their use in applications to monthly US inflation, Fama-French excess returns and residuals from Phillips curve regressions.