The modified conditional sum-of-squares estimator for fractionally integrated models
分数单整模型的修正条件平方和估计量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：摘要直接研究 ARFIMA 时间序列模型、分数单整和估计偏差。
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
分数单整模型的修正条件平方和估计量
- 研究问题
- 在平稳或非平稳的第二类 ARFIMA 模型中，估计常数项如何影响条件平方和估计偏差，能否通过简单修正消除首项？
- 方法与思路
- 作者推导估计量偏差表达式，修改条件平方和目标函数以去除主导偏差项，并结合理论、蒙特卡洛与短序列应用分析。
- 材料陈述的贡献
- 摘要称修正估计量在小样本中也明显改善相对表现，并重新分析战后实际 GNP、扩展 Nelson–Plosser 与尼罗河数据。
- 阅读关注点
- 应核对偏差展开适用的单整阶数范围、常数项处理方式、修正项实现，以及模拟采用的样本规模和比较指标。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核验；摘要未说明偏差公式、完整正则条件或改善幅度的数值。
原文摘要
In this paper, we analyse the influence of estimating a constant term on the bias of the conditional sum-of-squares (CSS) estimator in a stationary or non-stationary type-II ARFIMA ($p_1$,$d$,$p_2$) model. We derive expressions for the estimator's bias and show that the leading term can be easily removed by a simple modification of the CSS objective function. We call this new estimator the modified conditional sum-of-squares (MCSS) estimator. We show theoretically and by means of Monte Carlo simulations that its performance relative to that of the CSS estimator is markedly improved even for small sample sizes. Finally, we revisit three classical short datasets that have in the past been described by ARFIMA($p_1$,$d$,$p_2$) models with constant term, namely the post-second World War real GNP data, the extended Nelson-Plosser data, and the Nile data.