Estimation of the Generalized Prediction Error Variance of a Multiple Time Series
多元时间序列广义预测误差方差的估计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：摘要明确研究多元平稳时间序列的谱方法，并以广义预测误差方差为预测不确定性目标。
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
多元时间序列广义预测误差方差的估计
- 研究问题
- 对多元平稳时间序列，如何不依赖参数模型估计广义预测误差方差，并处理谱矩阵估计的秩、带宽及偏差问题？
- 方法与思路
- 作者用多元谱公式构造非参数估计，以离散求和和一致谱密度矩阵估计替代未知量，推导渐近正态性并进行偏差校正。
- 材料陈述的贡献
- 摘要称多元情形必须平滑原始周期图，高维序列需要更大带宽；模拟与两个数据示例显示方法表现合理，校正有助于减小偏差。
- 阅读关注点
- 应核对平稳性与谱矩阵条件、广义预测误差方差的定义，以及带宽和维度的关系、偏差校正公式与参数模型比较方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，版本未注明。示例表现不能证明普遍优于参数模型，摘要未列明维度范围与完整条件，不能推断刊本变化。
原文摘要
For a multivariate stationary time series, we propose a nonparametric estimator for its generalized prediction error variance using a multivariate analog of the Szegö-Kolmogorov formula, replacing the integral by a sum and replacing the unknown spectral density matrix by a consistent estimator. Asymptotic normality of this estimator is established, and its small-sample behavior is assessed through simulation and application to two real data sets. These examples show that the proposed method works reasonably well in comparison with parametric models. In contrast to the univariate case where smoothing the periodogram is optional and generally not recommended, in the multivariate case this smoothing is a necessity, because the raw periodogram is a matrix of rank one. To obtain a consistent estimator of a full-rank spectral density matrix, one must necessarily choose larger bandwidths for higher-dimensional time series. A bias-correction factor is computed using the asymptotic properties of our proposed estimator, and a simulation study indicates its important role in reducing the bias.