Semiparametric Estimation of Fractional Integration: An Evaluation of Local Whittle Methods
分数阶单整的半参数估计：局部 Whittle 方法评估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：摘要直接研究长记忆时间序列、分数阶单整及局部 Whittle 估计。
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
分数阶单整的半参数估计：局部 Whittle 方法评估
- 研究问题
- 面对具有长记忆的时间序列，如何根据短期动态、未知均值和时间趋势选择记忆参数估计量，并理解效率与稳健性的取舍？
- 方法与思路
- 作者在统一蒙特卡洛设计下比较六种局部 Whittle 估计量，并结合宏观、金融及气候序列展示失效模式与结构突变问题。
- 材料陈述的贡献
- 摘要称，该比较梳理了不同估计量的适用范围与失效方式，并通过复现既有结果、开放代码和数据提供估计量及带宽选择指导。
- 阅读关注点
- 应核对各估计量的有效参数范围、均值与趋势处理方式、模拟中的短期动态设定，以及带宽建议对结构突变的适用程度。
- 阅读边界
- 这是预印本，不能据此认定已同行评审或期刊接收。摘要未给出完整模拟结果及适用条件，最低渐近方差不代表所有情形下表现最佳。
原文摘要
Fractionally integrated time series, exhibiting long memory with slowly decaying autocorrelations, are frequently encountered in economics, finance, and related fields. Since the seminal work of Robinson (1995), a variety of semiparametric local Whittle estimators have been proposed for estimating the memory parameter $d$, each with a distinct range of validity and different robustness properties, leaving applied researchers to decide which to use and under what conditions. This paper offers a practitioner's guide to six such estimators. Using a common Monte Carlo design, we map how each estimator behaves under short-run dynamics, unknown means, and time trends -- the conditions under which each remains reliable and the characteristic way each breaks down. This reveals a tension between efficiency and robustness: the exact local Whittle estimator uniquely pairs the lowest asymptotic variance with an unrestricted parameter range, but requires the mean and trend to be handled with care. We then illustrate these failure modes, along with the difficulties introduced by structural breaks, on several macroeconomic, financial, and climate time series, where a naïvely applied estimator can report near-stationarity for a series that better-matched methods identify as strongly nonstationary. The resulting guidance on estimator choice and bandwidth selection is anchored by exact reproductions of published results from this literature, along with open source replication code and datasets.