Information matrix test for normality of innovations in stationary time series models
平稳时间序列模型创新项正态性的信息矩阵检验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：摘要直接研究平稳时间序列的创新项检验，并列出多种动态模型；没有足够应用信息进一步归入金融方向。
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
平稳时间序列模型创新项正态性的信息矩阵检验
- 研究问题
- 研究如何检验平稳时间序列模型的创新项是否服从正态分布，并考察原用于模型误设诊断的信息矩阵检验能否承担这一任务。
- 方法与思路
- 作者提出基于信息矩阵的检验，给出零假设下极限分布存在的充分条件，并在门限移动平均、GARCH 和双重自回归模型中应用。
- 材料陈述的贡献
- 摘要称，将信息矩阵检验用于多类时间序列创新项的正态性检验，同时提供渐近条件、模拟比较和真实数据分析。
- 阅读关注点
- 应核对信息矩阵偏离如何对应非正态性、参数估计对统计量的影响，以及各模型所需的平稳性、矩条件和临界值计算方法。
- 阅读边界
- 所给来源为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未给出极限分布形式、充分条件细节或比较结果。
原文摘要
This study focuses on the problem of testing for normality of innovations in stationary time series models.To achieve this, we introduce an information matrix (IM) based test. While the IM test was originally developed to test for model misspecification, our study addresses that the test can also be used to test for the normality of innovations in various time series models. We provide sufficient conditions under which the limiting null distribution of the test statistics exists. As applications, a first-order threshold moving average model, GARCH model and double autoregressive model are considered. We conduct simulations to evaluate the performance of the proposed test and compare with other tests, and provide a real data analysis.