UNIT ROOT TESTS WITH WAVELETS
基于小波的单位根检验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单位根、频谱差异及近单位根备择检验。
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
基于小波的单位根检验
- 研究问题
- 能否利用单位根过程与短记忆平稳过程的频谱差异，通过小波分解提取持续性信息，构造针对近单位根备择的检验？
- 方法与思路
- 作者采用离散小波变换，将序列方差分解为低频和高频能量，并利用少量尺度系数集中表示最持久的序列成分。
- 材料陈述的贡献
- 摘要称据此构造单位根检验，并通过 Monte Carlo 模拟展示尺寸和功效性质；未给出具体数值或普遍优势结论。
- 阅读关注点
- 应核对小波基和分解层数的选择、尺度系数对应的检验统计量，以及确定性趋势、边界处理和近单位根备择的设定。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确认检验的极限分布、临界值和稳健性；模拟结果不能推断为对所有过程均有效。
原文摘要
This paper develops a wavelet (spectral) approach to testing the presence of a unit root in a stochastic process. The wavelet approach is appealing, since it is based directly on the different behavior of the spectra of a unit root process and that of a short memory stationary process. By decomposing the variance (energy) of the underlying process into the variance of its low frequency components and that of its high frequency components via the discrete wavelet transformation (DWT), we design unit root tests against near unit root alternatives. Since DWT is an energy preserving transformation and able to disbalance energy across high and low frequency components of a series, it is possible to isolate the most persistent component of a series in a small number of scaling coefficients. We demonstrate the size and power properties of our tests through Monte Carlo simulations.