Testing for independence between two covariance stationary time series
两个协方差平稳时间序列的独立性检验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：摘要直接研究平稳时间序列、预白化和残差交叉相关检验，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…
关注这篇论文的作者
两个协方差平稳时间序列的独立性检验
- 研究问题
- 如何检验两个协方差平稳时间序列是否独立，并通过利用不同滞后上的交叉相关，提高对短程和长程关联的检验功效？
- 方法与思路
- 作者先对两条序列预白化，再将残差交叉相关的核加权平方和适当标准化，构造单侧渐近正态检验统计量。
- 材料陈述的贡献
- 摘要称截断核对应既有 Haugh 检验，许多其他核可获得更高功效；模拟显示新检验对短程和长程交叉相关均有良好功效。
- 阅读关注点
- 应核对预白化模型、核与带宽选择、渐近正态性条件，并确认交叉相关统计量对一般独立性备择的检测范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明一般依赖下的检验能力或功效数值，不能将不拒绝解释为独立已获证明。
原文摘要
A one-sided asymptotically normal test for independence between two stationary time series is proposed by first prewhitening the two time series and then basing the test on the residual cross-correlation function. The test statistic is a properly standardised version of the sum of weighted squares of residual cross-correlations, with weights depending on a kernel function. Haugh's (1976) test can be viewed as a special case of our approach in the sense that it corresponds to the use of the truncated kernel. Many kernels deliver better power than Haugh's test. A simulation study shows that the new test has good power against short and long cross-correlations.