Back to the Future: Generating Moment Implications for Continuous-Time Markov Processes
回到未来：构造连续时间马尔可夫过程的矩条件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：摘要针对连续时间平稳马尔可夫过程及其离散时间抽样数据构造矩条件，直接支持时间序列方法分类。
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…
回到未来：构造连续时间马尔可夫过程的矩条件
- 研究问题
- 对于按离散时点观测的平稳连续时间马尔可夫过程，如何利用正向与反向时间生成元，构造可用于参数估计与检验的矩条件？
- 方法与思路
- 作者利用连续时间马尔可夫过程的正向与反向时间无穷小生成元，构造平稳过程隐含的矩条件，并据此构建广义矩估计与检验。
- 材料陈述的贡献
- 摘要称这种生成元构造可将连续时间模型的限制转化为矩条件，使相应广义矩估计与检验能够应用于离散时间抽样数据。
- 阅读关注点
- 核对正向与反向生成元的定义、平稳性及相关正则条件，矩条件如何由生成元导出，以及离散抽样数据如何用于实际估计与检验。
- 阅读边界
- 摘要未说明具体过程类别、矩条件选择、抽样间隔要求或估计检验的渐近性质；仅据摘要不能判断方法在某类经济数据中的表现。
原文摘要
Continuous-time Markov processes can be characterized conveniently by their infinitesimal generators. For such processes there exist forward and reverse-time generators. The authors show how to use these generators to construct moment conditions implied by stationary Markov processes. Generalized method of moments estimators and tests can be constructed using these moment conditions. The resulting econometric methods are designed to be applied to discrete-time data obtained by sampling continuous-time Markov processes. Copyright 1995 by The Econometric Society.