跳到正文
← 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:摘要直接研究弱 ARMA 时间序列模型的谱诊断检验和依赖误差下的分块自助推断。

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
Ke Zhu
Wai Keung Li

弱 ARMA 模型适配性的自助谱检验

研究问题
研究不要求误差为鞅差序列时,如何检验弱 ARMA 模型是否适配数据,并处理误差依赖与参数估计对检验分布的影响。
方法与思路
作者构造 Cramér–von Mises 谱检验,推导其渐近零分布,再用分块随机加权自助方法计算临界值。
材料陈述的贡献
摘要称检验具有一致性及针对 n−1/2 阶局部备择的非平凡功效,并论证自助法有效性,提供模拟和标普指数应用。
阅读关注点
应核对弱 ARMA 与误差依赖的定义、分块长度和权重选择,以及参数估计效应在统计量和自助程序中的处理。
阅读边界
摘要未说明替代鞅差条件的完整假设、模拟结果或应用结论;无需鞅差假设不能理解为允许任意形式的误差依赖。

原文摘要

This paper proposes a Cramér–von Mises (CM) test statistic to check the adequacy of weak ARMA models. Without posing a martingale difference assumption on the error terms, the asymptotic null distribution of the CM test is obtained. Moreover, this CM test is consistent, and has nontrivial power against the local alternative of order n−1/2. Due to the unknown dependence of error terms and the estimation effects, a new block-wise random weighting method is constructed to bootstrap the critical values of the test statistic. The new method is easy to implement and its validity is justified. The theory is illustrated by a small simulation study and an application to S&P 500 stock index.

笔记与分组