Asymptotically optimal estimation in misspecified time series models
误设时间序列模型中的渐近最优估计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：摘要明确研究平稳时间序列的模型误设，并讨论多步预测误差估计，对应时间序列与预测方向。
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
误设时间序列模型中的渐近最优估计
- 研究问题
- 将误设的参数时间序列模型拟合到平稳过程时，应如何定义渐近效率，不同估计方法及多步预测误差准则会有何表现？
- 方法与思路
- 作者提出模型误设下的渐近效率概念，研究若干最小距离估计与高斯最大似然估计，并简要讨论最小化多步预测误差。
- 材料陈述的贡献
- 摘要称，文章证明若干最小距离估计的效率，并分析高斯最大似然估计行为，为把误设模型当作真实模型使用提供部分解释。
- 阅读关注点
- 应核对误设下的估计目标、效率比较所用标准、平稳过程的依赖条件，以及似然和多步预测误差估计之间的关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明效率界、误设类别或预测结论，不能推断实际预测表现必然改善。
原文摘要
A concept of asymptotically efficient estimation is presented when a misspecified parametric time series model is fitted to a stationary process. Efficiency of several minimum distance estimates is proved and the behavior of the Gaussian maximum likelihood estimate is studied. Furthermore, the behavior of estimates that minimize the h-step prediction error is discussed briefly. The paper answers to some extent the question what happens when a misspecified model is fitted to time series data and one acts as if the model were true.