THE GLOBAL WEIGHTED LAD ESTIMATORS FOR FINITE/INFINITE VARIANCE ARMA( p , q ) MODELS
有限或无限方差 ARMA 模型的全局加权最小绝对偏差估计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：摘要直接研究有限或无限方差 ARMA 时间序列模型的估计理论。
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
有限或无限方差 ARMA 模型的全局加权最小绝对偏差估计
- 研究问题
- 对于有限方差和无限方差的 ARMA 模型，全局自加权最小绝对偏差估计能否获得强一致性及渐近正态性？
- 方法与思路
- 作者研究全局自加权最小绝对偏差估计，采用摘要称为非标准的技术建立渐近理论，并通过模拟评估有限样本表现。
- 材料陈述的贡献
- 摘要称建立了相关估计量的强一致性与渐近正态性，并将有限及无限方差 ARMA 的全局 LAD 渐近理论表述为首次成果。
- 阅读关注点
- 应核对自加权函数、全局优化与普通 LAD 的关系，以及无限方差情况下仍可获得正态极限所需的条件。
- 阅读边界
- 仅据所给 Crossref 版本摘要，首次性尚未独立核验；权重、尾部条件与模拟结果未说明，也不能推断其他版本变化。
原文摘要
This paper investigates the global self-weighted least absolute deviation (SLAD) estimator for finite and infinite variance ARMA( p , q ) models. The strong consistency and asymptotic normality of the global SLAD estimator are obtained. A simulation study is carried out to assess the performance of the global SLAD estimators. In this paper the asymptotic theory of the global LAD estimator for finite and infinite variance ARMA( p , q ) models is established in the literature for the first time. The technique developed in this paper is not standard and can be used for other time series models.