Exact local Whittle estimation of fractionally cointegrated systems
分数协整系统的精确局部 Whittle 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：摘要明确研究长记忆、平稳与非平稳分数协整时间序列系统。
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
分数协整系统的精确局部 Whittle 估计
- 研究问题
- 如何在二变量分数协整系统中同时处理平稳与非平稳随机趋势和均衡误差，记忆参数差又如何影响协整向量的估计分布？
- 方法与思路
- 作者提出两步半参数估计：第一步使用加窗的局部 Whittle 估计，第二步采用精确局部 Whittle 方法，并推导一致性和极限分布。
- 材料陈述的贡献
- 摘要称记忆参数估计在平稳与非平稳情形下具有相同高斯极限；协整向量的收敛率和分布受记忆参数差影响，差小于二分之一时为高斯极限。
- 阅读关注点
- 应核对两阶段的频率带宽与加窗设置、初始值处理，以及记忆参数差在不同区间内如何改变协整向量的收敛速度和分布。
- 阅读边界
- 仅据所给出版社摘要，无法判断边界情形、带宽选择及有限样本表现；记忆参数的高斯结论不能直接推广到所有协整向量估计。
原文摘要
Semiparametric estimation of a bivariate fractionally cointegrated system is considered. We propose a two-step procedure that accommodates both (asymptotically) stationary (δ<1/2) and nonstationary (δ≥1/2) stochastic trend and/or equilibrium error. A tapered version of the local Whittle estimator of Robinson (2008) is used as the first-stage estimator, and the second-stage estimator employs the exact local Whittle approach of Shimotsu and Phillips (2005). The consistency and asymptotic distribution of the two-step estimator are derived. The estimator of the memory parameters has the same Gaussian asymptotic distribution in both the stationary and the nonstationary case. The convergence rate and the asymptotic distribution of the estimator of the cointegrating vector are affected by the difference between the memory parameters. Further, the estimator has a Gaussian asymptotic distribution when the difference between the memory parameters is less than 1/2.