Bootstrapping Two-Stage Quasi-Maximum Likelihood Estimators of Time Series Models
时间序列模型两阶段准极大似然估计的 Bootstrap 推断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：摘要明确研究时间序列的两阶段估计推断，并将多变量波动率模型列为适用场景。
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…
时间序列模型两阶段准极大似然估计的 Bootstrap 推断
- 研究问题
- 时间序列模型采用两阶段准极大似然估计时，能否通过 bootstrap 获得有效区间和标准误，减少繁琐的一二阶导数计算？
- 方法与思路
- 作者分析两阶段准极大似然估计的 bootstrap 分布与方差估计一致性，讨论多变量波动率及基于 copula 的模型场景。
- 材料陈述的贡献
- 摘要称，所建立的一致性结果为 bootstrap 百分位区间和标准误提供依据，使推断能够以重复计算替代复杂的导数组合。
- 阅读关注点
- 应核对重抽样如何保留时间依赖、两个估计阶段是否均需重估，以及分布一致性和方差一致性各自所需的条件。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要；重抽样方案、依赖条件和计算成本未说明，不能推断任意时间序列 bootstrap 都有效。
原文摘要
This article provides results on the validity of bootstrap inference methods for two-stage quasi-maximum likelihood estimation involving time series data, such as those used for multivariate volatility models or copula-based models. Existing approaches require the researcher to compute and combine many first- and second-order derivatives, which can be difficult to do and is susceptible to error. Bootstrap methods are simpler to apply, allowing the substitution of capital (CPU cycles) for labor (keeping track of derivatives). We show the consistency of the bootstrap distribution and consistency of bootstrap variance estimators, thereby justifying the use of bootstrap percentile intervals and bootstrap standard errors.