General Hannan and Quinn Criterion for Common Time Series
常见时间序列模型的广义 Hannan–Quinn 准则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：摘要直接讨论多类时间序列过程的模型选择准则，金融指数仅作为说明性应用。
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
常见时间序列模型的广义 Hannan–Quinn 准则
- 研究问题
- 如何为包含 ARMA、无限阶自回归和多类条件异方差过程的时间序列模型，设计数据驱动且强一致的模型选择准则？
- 方法与思路
- 作者最小化类似 Hannan–Quinn 准则的惩罚对比函数；其中相关项在经典模型中已知，在复杂模型中可由数据校准。
- 材料陈述的贡献
- 摘要称当数据来自所覆盖模型时，所提准则渐近几乎必然选择真实模型，并通过蒙特卡洛与 CAC 40 指数示例展示结果。
- 阅读关注点
- 应核对候选模型集合、惩罚项和校准方法，以及强一致性对真实模型、参数范围与时间序列依赖结构的具体要求。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未列出强一致性的完整条件，也未说明有限样本优势范围。
原文摘要
This paper aims to study data driven model selection criteria for a large class of time series, which includes ARMA or AR($\infty$) processes, as well as GARCH or ARCH($\infty$), APARCH and many others processes. We tackled the challenging issue of designing adaptive criteria which enjoys the strong consistency property. When the observations are generated from one of the aforementioned models, the new criteria, select the true model almost surely asymptotically. The proposed criteria are based on the minimization of a penalized contrast akin to the Hannan and Quinn's criterion and then involved a term which is known for most classical time series models and for more complex models, this term can be data driven calibrated. Monte-Carlo experiments and an illustrative example on the CAC 40 index are performed to highlight the obtained results.