Estimation of the Innovation Generalized Variance of a Multivariate Stationary Time Series
多元平稳时间序列创新广义方差的估计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：摘要明确研究平稳时间序列、周期图平滑及创新广义方差估计，直接对应时间序列方法。
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
多元平稳时间序列创新广义方差的估计
- 研究问题
- 在平稳时间序列创新方差的非参数估计中，周期图平滑应如何处理，相关结果能否扩展至多元创新广义方差？
- 方法与思路
- 作者围绕周期图平滑对创新方差估计的作用展开分析，并将讨论扩展到多元平稳时间序列的创新广义方差估计。
- 材料陈述的贡献
- 摘要将澄清平滑问题及扩展到多元情形作为目标；改善估计的经验依据被提及，但未给出具体结论或幅度。
- 阅读关注点
- 应核对创新广义方差的定义、估计量构造、平滑参数选择，以及平稳性之外所需条件和误差评价标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未提供平滑规则、渐近性质或多元估计的数值表现。
原文摘要
Recently there has been renewed interest in the nonparametric estimate of the innovation variance of a stationary time series. Empirical evidence has shown that some smoothing of the periodogram improves the estimate. This paper attempts to clarify the smoothing question and extends the results to the estimation of the innovation generalized variance of a multivariate stationary time series.