Strongly Consistent Determination of Cointegrating Rank Via Canonical Correlations
基于典型相关的协整秩强一致判定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：摘要明确研究非平稳协整时间序列，并用典型相关识别协整秩，直接对应时间序列分析与推断。
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
基于典型相关的协整秩强一致判定
- 研究问题
- 对于非平稳且存在协整的时间序列，如何利用原始变量的典型相关分析识别协整秩，并使该秩的估计具有强一致性？
- 方法与思路
- 作者以原始变量的典型相关分析识别协整秩，建立相应的渐近理论，并用一项小规模模拟研究展示方法的实际意义。
- 材料陈述的贡献
- 摘要称，该方法可得到协整秩的强一致估计，提供另一种识别路径；程序易于实现，并通过小规模模拟说明其应用价值。
- 阅读关注点
- 应核对典型相关的具体构造、协整秩判定规则及强一致性的条件，并查看模拟设计、样本规模及是否比较其他程序。
- 阅读边界
- 摘要未列出一致性所需条件、有限样本误差或模拟数值；强一致性是渐近性质，不能据此认定小样本表现优于其他方法。
原文摘要
This article is concerned with the statistical analysis of nonstationary, cointegrated time series. The estimation of the cointegrating structure of such time series is considered, and the problem of identifying the cointegrating rank is addressed. A methodology is presented that leads to strongly consistent estimates of this quantity. The identification is based on a canonical correlation analysis of the original variables and presents an alternative approach to those currently in vogue. The procedures are easily implemented and the practical relevance of the results obtained, which are founded on asymptotic theory, is demonstrated by means of a small simulation study.