Noncausality in Continuous Time Models
连续时间模型中的非因果性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：摘要核心是连续时间过程的非因果关系、可逆表示及离散采样，随机波动率仅作说明例子。
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
连续时间模型中的非因果性
- 研究问题
- 如何在连续时间中定义和刻画非因果关系，并判断离散采样能否保留这些关系及支持相应的检验？
- 方法与思路
- 作者定义连续时间非因果性和可逆移动平均过程，推导规范表示与参数刻画，并研究随机微分方程及采样混叠。
- 材料陈述的贡献
- 摘要称，研究给出可逆性的充分条件与非因果关系的参数刻画，讨论连续与离散定义的联系以及避免混叠的条件。
- 阅读关注点
- 应核对非因果性使用的信息集、可逆性条件、连续与离散定义的对应关系，以及离散样本检验是否被具体构造。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断混叠条件和检验的完整性；非因果关系的表述也不能直接支持干预因果解释。
原文摘要
In this paper, we study new definitions of noncausality, set in a continuous time framework, illustrated by the intuitive example of stochastic volatility models. Then, we define CIMA processes (i.e., processes admitting a continuous time invertible moving average representation), for which canonical representations and sufficient conditions of invertibility are given. We can provide for those CIMA processes parametric characterizations of noncausality relations as well as properties of interest for structural interpretations. In particular, we examine the example of processes solutions of stochastic differential equations, for which we study the links between continuous and discrete time definitions, find conditions to solve the possible problem of aliasing, and set the question of testing continuous time noncausality on a discrete sample of observations. Finally, we illustrate a possible generalization of definitions and characterizations that can be applied to continuous time fractional ARMA processes.