Adaptive estimation of cointegrating regressions with ARMA errors
具有 ARMA 误差的协整回归自适应估计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：摘要的核心方法是平稳可逆 ARMA 误差下的协整回归自适应估计，直接对应时间序列而非收益预测。
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
具有 ARMA 误差的协整回归自适应估计
- 研究问题
- 当协整回归误差遵循平稳可逆 ARMA 过程且创新分布未知时，如何构造有效估计并衡量相对高斯伪似然的效率收益？
- 方法与思路
- 作者从创新的初步估计出发，非参数估计其密度，再构造协整向量的迭代自适应最大似然估计，配合模拟和外汇应用。
- 材料陈述的贡献
- 摘要称推导了估计量的渐近分布及相对高斯伪最大似然的效率收益，并以小规模蒙特卡洛和外汇市场应用评估表现。
- 阅读关注点
- 核对 ARMA 和创新分布的条件、初始残差与密度估计的误差控制，以及迭代步骤、效率基准和外汇应用设定。
- 阅读边界
- 仅据 OpenAlex 所给摘要；密度平滑规则、完整有效性条件和应用数值未说明，不能据外汇应用将结论解释为收益预测能力。
原文摘要
Adaptive maximum likelihood estimators are derived for the parameters of a cointegrating regression whose errors follow a stationary and invertible ARMA process with innovations of unknown distribution. It is shown how to use preliminary estimates of these innovations to nonparametrically estimate their density, which can in turn be used to construct an asymptotically efficient iterative estimator of the cointegrating vector. The asymptotic distribution of this estimator is derived, as are its efficiency gains relative to the Gaussian pseudo-MLE. We evaluate the finite sample behaviour of the estimator through a small Monte Carlo experiment, and report the results of an empirical application to the foreign exchange market.