Asymptotic Expansions in Nonstationary Vector Autoregressions
非平稳向量自回归中的渐近展开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：摘要明确研究一阶单整多变量序列与非平稳 VAR，支持时间序列和 VAR 方向，但未涉及结构冲击识别。
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
非平稳向量自回归中的渐近展开
- 研究问题
- 对由一阶单整过程构成的多变量时间序列，非平稳 VAR 回归系数的一阶渐近性质如何得到进一步展开？
- 方法与思路
- 作者先建立弱依赖创新部分和的函数型中心极限定理，再引入广义随机过程的特征与累积量泛函以推导渐近展开。
- 材料陈述的贡献
- 摘要称，文章给出非平稳 VAR 的一阶渐近结果及回归系数的渐近展开，并将结果专门化到标量情形。
- 阅读关注点
- 应核对创新的弱依赖条件、函数空间中的收敛与展开定义，以及多变量结果专门化为标量结果时的对应关系。
- 阅读边界
- 仅据所给 Crossref 摘要，所谓一般条件、展开阶数及余项控制均未说明，也无法判断近似在有限样本中的精度。
原文摘要
This paper studies the statistical properties of vector autoregressions (VAR's) for quite general multiple time series which are integrated processes of order one. Functional central limit theorems are given for multivariate partial sums of weakly dependent innovations and these are applied to yield first-order asymptotics in nonstationary VAR's. Characteristic and cumulant functionals for generalized random processes are introduced as a means of developing a refinement of central limit theory on function spaces. The theory is used to find asymptotic expansions of the regression coefficients in nonstationary VAR's under very general conditions. The results are specialized to the scalar case and are related to other recent work by the author [21].