Lugsail lag windows for estimating time-average covariance matrices
用于估计时间平均协方差矩阵的翼帆型滞后窗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：摘要直接研究序列相关下的滞后窗与长期协方差估计，并使用向量自回归示例，最贴近时间序列方法。
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
用于估计时间平均协方差矩阵的翼帆型滞后窗
- 研究问题
- 当序列存在正相关时，时间平均协方差矩阵估计常出现负偏差，能否通过改造滞后窗改善有限样本表现并兼顾计算效率？
- 方法与思路
- 作者提出翼帆型滞后窗，将已有窗口转化后用于谱方差与加权批均值估计，并推导多元估计量的偏差、方差及混合条件结果。
- 材料陈述的贡献
- 摘要称，该窗口族旨在抵消负偏差，可在不增加假设的情况下改造已有窗口，并在所列回归、向量自回归和贝叶斯案例中展示改善。
- 阅读关注点
- 应核对窗口构造与调参规则、偏差抵消的适用条件，以及放宽后的混合要求；比较案例中需同时查看方差、区间覆盖和计算成本。
- 阅读边界
- 仅据所给 Crossref 摘要，无法核验具体偏差阶数、调参效果或改善幅度；不增加假设的陈述仍需结合全文适用范围理解。
原文摘要
Summary Lag windows are commonly used in time series analysis, econometrics, steady-state simulation and Markov chain Monte Carlo to estimate time-average covariance matrices. In the presence of positive correlation in the underlying process, estimators of this matrix almost always exhibit significant negative bias, leading to undesirable finite-sample properties. We propose a new family of lag windows specifically designed to improve finite-sample performance by offsetting this negative bias. Any existing lag window can be adapted into a lugsail equivalent with no additional assumptions. We use these lag windows in spectral variance estimators and demonstrate their advantages in a linear regression model with autocorrelated and heteroskedastic residuals. We further employ the lugsail lag windows in weighted batch means estimators because of their computational efficiency on large simulation output. We obtain bias and variance results for these multivariate estimators and significantly weaken the mixing condition on the process. Superior finite-sample properties are demonstrated in a vector autoregressive process and a Bayesian logistic regression model.