Recursive Estimation of Autoregressions
自回归模型的递归估计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：摘要直接研究自回归模型的递归估计、选阶和非平稳实施，属于时间序列方法。
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…
自回归模型的递归估计
- 研究问题
- 如何递归估计自回归模型并实时确定阶数，以及在非平稳情形中如何通过遗忘旧信息调整模型选择程序？
- 方法与思路
- 作者讨论基于 Rissanen 最小描述长度原则的选阶准则及其他准则，给出非平稳实施时引入遗忘的修改。
- 材料陈述的贡献
- 摘要称，最小描述长度选阶准则在平稳情形下具有强一致性，并以模拟考察各准则在平稳与非平稳过程中的表现。
- 阅读关注点
- 应核对递归更新公式、强一致性的平稳条件、遗忘机制的具体设定，以及非平稳模拟中阶数变化和评价方式。
- 阅读边界
- 仅据 Crossref 摘要，无法判断非平稳情形的理论保证、遗忘参数选择或实时计算成本；摘要未报告具体模拟结果。
原文摘要
SUMMARY This paper is concerned with the recursive estimation of autoregressive models, in particular the realtime determination of the order of such a specification. A model selection criterion based on the minimum description length principle due to Rissanen is discussed and strong consistency in the stationary situation is shown. Alternative criteria are also considered and modifications required to introduce forgetting when the procedures are implemented in the non-stationary case are presented. Some simulation evidence on the performance of the criteria when applied to stationary and non-stationary processes is given.