Goodness-of-Fit Tests for Linear and Nonlinear Time Series Models
线性与非线性时间序列模型的拟合优度检验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：摘要直接研究线性与非线性时间序列的条件均值设定检验及依赖数据 bootstrap。
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
线性与非线性时间序列模型的拟合优度检验
- 研究问题
- 论文研究如何检验线性或非线性时间序列的参数化条件均值，尤其关注无限维条件信息及未知条件异方差下的检验有效性。
- 方法与思路
- 作者提出无需平滑或选择随样本量变化滞后阶数的检验，并以新 bootstrap 程序处理依赖数据生成过程的渐近零分布。
- 材料陈述的贡献
- 摘要称检验可处理无限维条件集，并对广泛备择及参数速率局部备择具有检测能力；同时提供 bootstrap 理论与模拟应用。
- 阅读关注点
- 应核对时间序列依赖条件、局部备择下的功效陈述，以及 bootstrap 如何保留高阶依赖并应对未知形式的条件异方差。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；仅凭摘要不能判断稳健性适用范围、实现细节或模拟优势，也不能推断刊本变化。
原文摘要
In this article we study a general class of goodness-of-fit tests for a parametric conditional mean of a linear or nonlinear time series model. Among the properties of the proposed tests are that they are suitable when the conditioning set is infinite-dimensional; that they are consistent against a broad class of alternatives, including Pitman's local alternatives converging at the parametric rate n−1/2, with n the sample size; and that they do not need to choose a lag order depending on the sample size or to smooth the data. It turns out that the asymptotic null distributions of the tests depend on the data generating process, so a new bootstrap procedure is proposed and theoretically justified. The proposed bootstrap tests are robust to higher-order dependence, particularly to conditional heteroscedasticity of unknown form. A simulation study compares the finite-sample performance of the proposed and competing tests and shows that our tests can play a valuable role in time series modeling. Finally, an application to an economic price series highlights the merits of our approach.