The Strong Consistency of Maximum Likelihood Estimators for ARMA Processes
ARMA 过程最大似然估计量的强一致性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：摘要明确研究多元高斯 ARMA 过程的参数估计理论，对应时间序列方向。
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
ARMA 过程最大似然估计量的强一致性
- 研究问题
- 对具有 ARMA 表示的多元高斯随机过程，最大似然参数估计能否获得强一致性，其理论论证依赖什么工具？
- 方法与思路
- 作者利用遍历定理与线性预测理论的相关结果，论证具有自回归移动平均表示的多元高斯过程的最大似然估计性质。
- 材料陈述的贡献
- 摘要称，论文建立了该类多元高斯 ARMA 过程最大似然参数估计的强一致性；具体参数空间与正则条件未说明。
- 阅读关注点
- 应核对参数可识别性、平稳性及可逆性要求、似然的定义与初始化方式，并确认强一致性结论覆盖的参数范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未给出定理条件，也未讨论非高斯过程、收敛速度或有限样本表现。
原文摘要
The strong consistency of the maximum likelihood parameter estimation method is established for multivariate Gaussian stochastic processes possessing autoregressive moving average (ARMA) representations. The demonstration in this paper exploits the ergodic theorem together with results from linear prediction theory.