Single step estimation of ARMA roots for nonfundamental nonstationary fractional models
非基本非平稳分数阶模型中 ARMA 根的单步估计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：摘要直接研究非平稳分数阶 ARMA、长期记忆及因果性和可逆性约束。
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
非基本非平稳分数阶模型中 ARMA 根的单步估计
- 研究问题
- 在不施加因果性或可逆性约束的情况下，如何估计非平稳分数阶 ARMA 过程的根，并处理长期记忆与非平稳成分？
- 方法与思路
- 作者提出采用高效渐消加权的单步估计量，容许长期记忆且避免估计非平稳成分，自动选阶后分析三十只股票的交易量。
- 材料陈述的贡献
- 摘要称该方法可在上述约束放松下估计 AR 与 MA 根；交易量应用发现非基本性的较强证据，且非因果性比不可逆性更常见。
- 阅读关注点
- 应核对渐消加权的定义、根的识别条件、自动选阶规则，以及长期记忆和不同非平稳成分对估计表现的影响。
- 阅读边界
- 摘要未说明渐近分布、适用条件和稳健性范围；其中非因果性是时间序列表示性质，不能直接解释为经济因果方向。
原文摘要
Summary We propose a single step estimator for the autoregressive and moving average roots (without imposing causality or invertibility restrictions) of a nonstationary Fractional ARMA process. These estimators employ an efficient tapering procedure, which allows for a long memory component in the process, but avoids estimating the nonstationarity component, which can be stochastic and/or deterministic. After selecting automatically the order of the model, we robustly estimate the AR and MA roots for trading volume for the thirty stocks in the Dow Jones Industrial Average Index in the last decade. Two empirical results are found. First, there is strong evidence that stock market trading volume exhibits nonfundamentalness. Second, noncausality is more common than noninvertibility.