Long-Run Covariability
长期共同变动性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：摘要以两条时间序列的低频二阶矩和多种持久性过程为核心，并应用于美国经济数据，直接对应时间序列。
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
长期共同变动性
- 研究问题
- 当两条时间序列具有不同且不确定的持久性时，如何定义并推断其长期共同变动程度，使置信集在多种持久性模式下保持覆盖率？
- 方法与思路
- 作者以数据低通滤波后的总体二阶矩定义长期共同变动参数，并数值构造置信集，涵盖平稳、单位根、近单位根及分数整合过程的线性组合。
- 材料陈述的贡献
- 摘要称，该方法在广泛的双变量持久性模式下控制置信集覆盖率，并用于美国经济序列，量化增长、汇率、通胀及其他变量的长期共同变动。
- 阅读关注点
- 应核对低频变换与目标参数的定义、置信集覆盖控制的条件及数值实现，并查看不同持久性模式和样本长度如何影响应用结论。
- 阅读边界
- 摘要未报告具体置信集、经济数据结果或数值计算误差；长期共同变动是二阶矩关系，仅凭摘要不能将其解释为因果关系或预测能力。
原文摘要
We develop inference methods about long‐run comovement of two time series. The parameters of interest are defined in terms of population second moments of low‐frequency transformations (“low‐pass” filtered versions) of the data. We numerically determine confidence sets that control coverage over a wide range of potential bivariate persistence patterns, which include arbitrary linear combinations of I(0), I(1), near unit roots, and fractionally integrated processes. In an application to U.S. economic data, we quantify the long‐run covariability of a variety of series, such as those giving rise to balanced growth, nominal exchange rates and relative nominal prices, the unemployment rate and inflation, money growth and inflation, earnings and stock prices, etc.