Spectral density and spectral distribution inference for long memory time series via fixed-b asymptotics
长记忆时间序列谱密度与谱分布的固定b渐近推断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：摘要明确研究长记忆时间序列的谱密度、谱分布及频域推断。
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
长记忆时间序列谱密度与谱分布的固定b渐近推断
- 研究问题
- 如何在固定带宽比例的渐近框架下，对具有长程依赖或反持续性的时间序列开展多频率谱密度及谱分布推断？
- 方法与思路
- 作者研究基于渐消窗的谱估计，允许分段光滑或不连续窗函数，并借助极限分布的拉普拉斯变换分析高阶精度。
- 材料陈述的贡献
- 摘要称扩展了多频率联合推断、不同频率的依赖结构及窗函数范围，并发展谱分布估计理论和置信带构造方法。
- 阅读关注点
- 应核对带宽比例、各频率依赖条件和窗函数要求，以及极限分布分位数、谱分布置信带和高阶精度的具体实现。
- 阅读边界
- 仅据所给出版社摘要，无法判断不同窗函数的实际优劣；摘要虽提及模拟尺寸与应用，但未提供具体数值或适用边界。
原文摘要
This paper studies taper-based estimates of the spectral density utilizing a fixed bandwidth ratio asymptotic framework, and makes several theoretical contributions: (i) we treat multiple frequencies jointly, (ii) we allow for long-range dependence or anti-persistence at differing frequencies, (iii) we allow for tapers that are only piecewise smooth or discontinuous, including flat-top and truncation tapers, (iv) we study higher-order accuracy through the limit distribution’s Laplace Transform, (v) we develop a taper-based estimation theory for the spectral distribution, and show how confidence bands can be constructed. Simulation results produce quantiles and document the finite-sample size properties of the estimators, and a few empirical applications demonstrate the utility of the new methods.