THE EFFECTS OF SYSTEMATIC SAMPLING AND TEMPORAL AGGREGATION ON DISCRETE TIME LONG MEMORY PROCESSES AND THEIR FINITE SAMPLE PROPERTIES
系统抽样与时间聚合对离散时间长记忆过程及有限样本性质的影响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：摘要直接研究长记忆、ARFIMA、自相关及观测频率变化，属于时间序列分析。
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
系统抽样与时间聚合对离散时间长记忆过程及有限样本性质的影响
- 研究问题
- 改变观测间隔或进行时间聚合，会如何影响长记忆过程的自相关与记忆参数估计？大滞后衰减率能否保留原过程的信息？
- 方法与思路
- 作者比较系统抽样与时间聚合后的自相关结构，区分短滞后水平和大滞后衰减率，并针对 ARFIMA(0,d,0) 分析记忆参数变化。
- 材料陈述的贡献
- 摘要称观测间隔不改变大滞后衰减率，却影响短滞后相关及参数偏差；在所讨论 ARFIMA 情形中，聚合、原过程与抽样的 |d| 依次递减。
- 阅读关注点
- 应核对聚合与抽样的定义、参数变化指理论值还是估计结果，以及所述 |d| 排序的适用条件和利用大滞后衰减率恢复参数的方法。
- 阅读边界
- 仅据所给 Crossref 摘要，不能将 ARFIMA 特例的排序推广至所有长记忆过程；有限样本设计和恢复参数的具体估计程序未说明。
原文摘要
This study investigates the effects of varying sampling intervals on the long memory characteristics of certain stochastic processes. We find that although different sampling intervals do not affect the decay rate of discrete time long memory autocorrelation functions in large lags, the autocorrelation functions in short lags are affected significantly. The level of the autocorrelation functions moves upward for temporally aggregated processes and downward for systematically sampled processes, and these effects result in a bias in the long memory parameter. For the ARFIMA(0, d ,0) process, the absolute magnitude of the long memory parameter, | d |, of the temporally aggregated process is greater than the | d | of the true process, which is greater than the | d | of the systematically sampled process. We also find that the true long memory parameter can be obtained if we use a decay rate that is not affected by different sampling intervals.