Estimation of long-run parameters in unbalanced cointegration
非平衡协整中的长期参数估计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：摘要直接研究不同单整阶数、长期协整关系和分数记忆参数的时间序列估计。
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
非平衡协整中的长期参数估计
- 研究问题
- 两个变量的单整阶数不同、但滤波后可形成通常协整关系时，如何共同估计长期协整参数与未知的记忆参数差？
- 方法与思路
- 作者在二元非平衡协整框架下分析非线性最小二乘估计的渐近性质，将协整参数和单整阶数差共同视为未知量。
- 材料陈述的贡献
- 摘要称，记忆参数差可实现快于n阶的收敛，联合极限分布具有奇异性，且极限理论出现修正的Ⅱ型分数布朗运动。
- 阅读关注点
- 应核对平衡化滤波的定义、参数范围与识别、各估计量的收敛速度，以及联合分布奇异性对检验和区间推断的影响。
- 阅读边界
- 所给出版社摘要未说明完整正则条件、极限公式或经济例子的细节，不能将特殊收敛性质推广至一般协整估计。
原文摘要
This paper analyses the asymptotic properties of nonlinear least squares estimators of the long run parameters in a bivariate unbalanced cointegration framework. Unbalanced cointegration refers to the situation where the integration orders of the observables are different, but their corresponding balanced versions (with equal integration orders after filtering) are cointegrated in the usual sense. Within this setting, the long run linkage between the observables is driven by both the cointegrating parameter and the difference between the integration orders of the observables, which we consider to be unknown. Our results reveal three noticeable features. First, superconsistent (faster than n-consistent) estimators of the difference between memory parameters are achievable. Next, the joint limiting distribution of the estimators of both parameters is singular, and, finally, a modified version of the “Type II” fractional Brownian motion arises in the limiting theory. A Monte Carlo experiment and the discussion of an economic example are included.