Identification of Nonlinear Time Series from First Order Cumulative Characteristics
利用一阶累积特征识别非线性时间序列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：摘要明确讨论非线性时间序列模型识别、滞后条件矩及参数模型检验。
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
利用一阶累积特征识别非线性时间序列
- 研究问题
- 如何利用累积的滞后条件均值与条件方差识别非线性时间序列模型，并据此检验参数化时间序列模型的拟合？
- 方法与思路
- 作者把累积滞后条件均值和方差函数作为模型特征，构造其估计量、研究渐近性质，并发展参数模型拟合优度检验。
- 材料陈述的贡献
- 摘要提出用于非线性时间序列模型识别的累积特征方法，给出相应估计与渐近分析，并构建参数模型检验。
- 阅读关注点
- 应核对累积特征的定义、可区分的模型范围、时间依赖下的渐近条件，以及拟合优度检验的校准与备择敏感性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；“识别”的具体范围、渐近条件与检验性能未展开，不能推断刊本变化。
原文摘要
A new approach to the problem of identifying a nonlinear time series model is considered. We argue that cumulative lagged conditional mean and variance functions are the appropriate "signatures" of a nonlinear time series for the purpose of model identification, being analogous to cumulative distribution functions or cumulative hazard functions in iid models. We introduce estimators of the cumulative lagged conditional mean and variance functions and study their asymptotic properties. A goodness-of-fit test for parametric time series models is also developed.