Inference for Local Autocorrelations in Locally Stationary Models
局部平稳模型中局部自相关的统计推断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：摘要核心是局部平稳时间序列的时变自相关估计、同时置信带与假设检验，直接对应时间序列方向。
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
局部平稳模型中局部自相关的统计推断
- 研究问题
- 对于局部平稳但整体非平稳的时间序列，如何估计随时间变化的局部自相关，并检验其是否变化或是否为零？
- 方法与思路
- 作者研究局部自相关过程的估计与推断，构造同时置信带以支持相关检验，并将 acf() 的用途推广至局部平稳高斯过程。
- 材料陈述的贡献
- 摘要报告温度局部自相关的时变 V 形，以及标普 500 收益幅度的显著自相关，并将收益的检验结果解释为符合有效市场假说。
- 阅读关注点
- 阅读时应核对局部平稳条件、带宽与同时置信带覆盖性质，以及收益和收益幅度的检验定义及有效市场假说的解释范围。
- 阅读边界
- 摘要未说明带宽选择和检验条件；自相关检验本身不足以确认完整的有效市场假说，应用结论应限定于文中的检验框架。
原文摘要
For non-stationary processes, the time-varying correlation structure provides useful insights into the underlying model dynamics. We study estimation and inferences for local autocorrelation process in locally stationary time series. Our constructed simultaneous confidence band can be used to address important hypothesis testing problems, such as whether the local autocorrelation process is indeed time-varying and whether the local autocorrelation is zero. In particular, our result provides an important generalization of the R function acf() to locally stationary Gaussian processes. Simulation studies and two empirical applications are developed. For the global temperature series, we find that the local autocorrelations are time-varying and have a "V" shape during 1910-1960. For the S&P 500 index, we conclude that the returns satisfy the efficient-market hypothesis whereas the magnitudes of returns show significant local autocorrelations.