Fractional Time Series Modelling
分数差分时间序列建模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：摘要直接研究分数差分自回归移动平均模型的估计及残差序列相关检验，属于时间序列方法。
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
分数差分时间序列建模
- 研究问题
- 如何使用分数差分自回归移动平均过程建立时间序列模型，并对模型参数进行估计、检验残差相关性及模型适配性？
- 方法与思路
- 作者概述近似极大似然估计算法，推导极大似然估计量与残差自相关的大样本分布，据此修改综合自相关检验统计量。
- 材料陈述的贡献
- 摘要称，文章提供参数估计和残差诊断的渐近依据，并得到用于检查模型适配性的修正综合检验统计量。
- 阅读关注点
- 应核对分数差分参数的适用范围、近似似然的处理方式、渐近分布所需条件，以及修正检验的构造与校准。
- 阅读边界
- 仅据版本未注明的索引摘要；具体参数限制、算法误差和有限样本表现未说明，不能推断刊本中的补充或变化。
原文摘要
Aspects of model building using fractionally differenced autoregressive-moving average processes are discussed. An algorithm for approximate maximum likelihood estimation is outlined and the large-sample distribution of the maximum likelihood estimates is derived. The large-sample distribution of the residual autocorrelations is also derived and a modified portmanteau test statistic is obtained for checking model adequacy.