MULTIVARIATE AR SYSTEMS AND MIXED FREQUENCY DATA: G-IDENTIFIABILITY AND ESTIMATION
多元自回归系统与混频数据：一般参数可识别性和估计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：摘要直接研究混频时间序列下多元自回归参数的识别和估计。
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
多元自回归系统与混频数据：一般参数可识别性和估计
- 研究问题
- 仅观察混合频率时间序列时，能否利用总体二阶矩识别潜在高频多元自回归模型的参数，并构造稳定的参数恢复方法？
- 方法与思路
- 作者使用扩展 Yule–Walker 方程和输出过程分块两种工具，构造二阶矩到高频参数的映射，处理存量、流量及一般线性变换。
- 材料陈述的贡献
- 摘要称，论文证明一般参数值下的可识别性，给出构造算法和参数映射连续性，并讨论以样本二阶矩实现参数估计。
- 阅读关注点
- 应核对一般参数值所排除的例外集合、混频观测规则及二阶矩要求，并区分构造性识别结果与样本估计的统计性质。
- 阅读边界
- 本导读仅据所给 Crossref 摘要；非识别例外、估计收敛速度和推断方法摘要未说明，一般可识别性不等于所有参数均可识别。
原文摘要
This paper is concerned with the problem of identifiability of the parameters of a high frequency multivariate autoregressive model from mixed frequency time series data. We demonstrate identifiability for generic parameter values using the population second moments of the observations. In addition we display a constructive algorithm for the parameter values and establish the continuity of the mapping attaching the high frequency parameters to these population second moments. These structural results are obtained using two alternative tools viz. extended Yule Walker equations and blocking of the output process. The cases of stock and flow variables, as well as of general linear transformations of high frequency data, are treated. Finally, we briefly discuss how our constructive identifiability results can be used for parameter estimation based on the sample second moments.