Model identification via total Frobenius norm of multivariate spectra
基于多元谱积分 Frobenius 范数的模型识别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：摘要明确研究多元谱、周期图、结构时间序列及协整秩，直接对应时间序列方向，未提供 VAR 冲击或预测研究依据。
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
基于多元谱积分 Frobenius 范数的模型识别
- 研究问题
- 如何用多元谱之间的整体差异拟合时间序列模型，并将该准则用于残差白噪声检验及结构时间序列的协整秩检验？
- 方法与思路
- 作者以谱差异的 Frobenius 范数积分构造拟合度量，建立周期图线性与二次泛函的渐近结果，再用于估计和检验。
- 材料陈述的贡献
- 摘要称，研究提供新的渐近结果并正式发展协整秩检验；模拟与时间序列应用表明估计器可实时拟合中高维结构时间序列。
- 阅读关注点
- 应核对谱差异度量、周期图泛函的条件与估计实现，特别是白噪声检验、协整秩判定和实时计算性能的评估设置。
- 阅读边界
- 所给 Crossref 摘要未说明依赖条件、检验误差或实时运算规模；不能据此推断其适用于任意非平稳过程或具体预测任务。
原文摘要
Abstract We study the integral of the Frobenius norm as a measure of the discrepancy between two multivariate spectra. Such a measure can be used to fit time series models, and ensures proximity between model and process at all frequencies of the spectral density. We develop new asymptotic results for linear and quadratic functionals of the periodogram, and apply the integrated Frobenius norm to fit time series models and test whether model residuals are white noise. The case of structural time series models is addressed, wherein co-integration rank testing is formally developed. Both applications are studied through simulation studies and time series data. The numerical results show that the proposed estimator can fit moderate- to large-dimensional structural timeseries in real time.