On the asymptotic behavior of a finite section of the optimal causal filter
最优因果滤波器有限截段的渐近行为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：摘要研究平稳时间序列、短长记忆及多步线性预测的误差界，因此对应时间序列和预测理论。
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
最优因果滤波器有限截段的渐近行为
- 研究问题
- 对具有短记忆或长记忆自协方差的二阶平稳时间序列，最优因果滤波器的有限样本近似会产生多大的系数误差？
- 方法与思路
- 作者用多步预测系数的绝对收敛级数表达滤波系数及其近似，再证明一致 Baxter 不等式以控制两者差异。
- 材料陈述的贡献
- 摘要称建立滤波系数的 L1 近似误差界，覆盖短记忆与长记忆情形，并可用于按均方误差评估线性预测表现。
- 阅读关注点
- 应核对平稳性之外的条件、级数收敛要求、误差界的阶数和一致性范围，以及系数误差如何传递到预测均方误差。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未列出完整技术条件，题名中的因果滤波不等同于因果效应识别。
原文摘要
We establish an $L_1$-bound between the coefficients of the optimal causal filter applied to the data-generating process and its finite sample approximation. Here, we assume that the data-generating process is a second-order stationary time series with either short or long memory autocovariances. To derive the $L_1$-bound, we first provide an exact expression for the coefficients of the causal filter and their approximations in terms of the absolute convergent series of the multistep ahead infinite and finite predictor coefficients, respectively. Then, we prove a so-called uniform Baxter's inequality to obtain a bound for the difference between the infinite and finite multistep ahead predictor coefficients in both short and long memory time series. The $L_1$-approximation error bound for the causal filter coefficients can be used to evaluate the performance of the linear predictions of time series through the mean squared error criterion.