COINTEGRATION AND DISTANCE BETWEEN INFORMATION SETS
协整与信息集之间的距离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：摘要以两个时间序列的协整和 Granger 非因果性为研究对象，直接对应时间序列分析。
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
协整与信息集之间的距离
- 研究问题
- 在两个时间序列之间，协整关系与 Granger 非因果性如何通过信息集之间的距离来刻画，协整会对该距离施加什么限制？
- 方法与思路
- 作者在 Hilbert 空间框架下分析 Granger 非因果性和协整，将差分序列相关信息集的距离与差分变量的标准差联系起来。
- 材料陈述的贡献
- 摘要称，若 X 与 Y 协整，则涉及差分序列 ΔX 与 ΔY 的两个信息集之间的距离必须小于 ΔX 的标准差。
- 阅读关注点
- 阅读全文时应核对信息集与距离的精确定义、协整和非因果性的连接方式，以及所述不等式成立需要哪些条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断信息集的具体构造、证明条件及是否存在逆命题；也不能将 Granger 非因果性解释为结构因果结论。
原文摘要
This paper investigates Granger noncausality and the cointegrating relation between two time series in the Hilbert space framework. This framework allows us to analyze the relationship between cointegration and distance between two information sets. In particular, we prove that if two variables, X and Y , are cointegrated, then the distance between two information sets, concerning the differenced series Δ X and Δ Y , must be less than the standard deviation of Δ X .