A Bootstrap Test for Independence of Time Series Based on the Distance Covariance
基于距离协方差的时间序列独立性自助检验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。
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：摘要直接研究严格平稳时间序列的跨序列依赖检验及适应序列依赖的自助推断。
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…
基于距离协方差的时间序列独立性自助检验
- 研究问题
- 如何检验两条严格平稳时间序列在给定最大滞后范围内是否独立，并使距离协方差的自助推断适应序列自身的依赖结构？
- 方法与思路
- 作者基于距离协方差构造自助检验，并在 α 混合条件下推广经验测度与边际分布之间的 Wasserstein 距离界，以证明自助法有效性。
- 材料陈述的贡献
- 摘要称检验能够检测指定最大滞后范围内的各类依赖，模拟中优于备选程序，并将此前独立同分布情形的距离界推广至混合过程。
- 阅读关注点
- 应核对最大滞后的选取、自助抽样机制及混合条件，区分有限滞后内的独立性检验与两条完整随机过程之间的独立性。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此认定已同行评审或被期刊接收；摘要未说明混合速率、矩条件和模拟优势的范围。
原文摘要
We present a test for independence of two strictly stationary time series based on a bootstrap procedure for the distance covariance. Our test detects any kind of dependence between the two time series within an arbitrary maximum lag $L$. In simulation studies, our test outperforms alternative testing procedures. In proving the validity of the underlying bootstrap procedure, we generalise bounds for the Wasserstein distance between an empirical measure and its marginal distribution under the assumption of $α$-mixing. Previous results of this kind only existed for i.i.d. processes.