An efficient estimator for locally stationary Gaussian long-memory processes
局部平稳高斯长记忆过程的有效估计量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：摘要明确研究局部平稳、长程依赖及 Whittle 估计，直接属于时间序列建模与推断。
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
局部平稳高斯长记忆过程的有效估计量
- 研究问题
- 对于同时存在非平稳性与长程依赖的高斯时间序列，如何建立时变参数模型，并获得具有可靠大样本性质的参数估计？
- 方法与思路
- 作者引入局部平稳长记忆过程的时变参数化形式，采用 Whittle 似然估计参数，推导渐近性质并通过 Monte Carlo 实验考察表现。
- 材料陈述的贡献
- 摘要称，Whittle 估计具有一致性、渐近正态性和有效性；模拟显示其在相对较小样本中表现良好，但未给出具体数值。
- 阅读关注点
- 应核对局部平稳与长记忆的定义、参数空间和似然近似条件，以及有效性的比较基准、小样本实验设计和误差指标。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；长记忆参数范围、有效性界和模拟数值未说明，不能推广至非高斯或任意非平稳过程。
原文摘要
This paper addresses the estimation of locally stationary long-range dependent processes, a methodology that allows the statistical analysis of time series data exhibiting both nonstationarity and strong dependency. A time-varying parametric formulation of these models is introduced and a Whittle likelihood technique is proposed for estimating the parameters involved. Large sample properties of these Whittle estimates such as consistency, normality and efficiency are established in this work. Furthermore, the finite sample behavior of the estimators is investigated through Monte Carlo experiments. As a result from these simulations, we show that the estimates behave well even for relatively small sample sizes.