Estimators of long-memory: Fourier versus wavelets
长记忆估计量：傅里叶方法与小波方法的比较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：题名与摘要明确比较时间序列长记忆指数的傅里叶、小波及半参数估计方法，直接对应时间序列分析。
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…
长记忆估计量：傅里叶方法与小波方法的比较
- 研究问题
- 估计时间序列的长记忆指数时，傅里叶与小波框架下的局部回归和局部 Whittle 方法各有哪些理论与实践差异？
- 方法与思路
- 作者综述两种分析框架下的半参数估计方法，整理已有结果及适用条件，并通过模拟比较和软件使用示例加以说明。
- 材料陈述的贡献
- 摘要称，文章系统讨论各方法的相对优势与不足，提供模拟比较，并说明支持该研究的软件可按需获取。
- 阅读关注点
- 应核对各方法允许的记忆参数范围、调节参数选择和理论条件，以及模拟是否采用可比较的设定与评价指标。
- 阅读边界
- 仅据所给出版社摘要，无法判断哪种方法在何种条件下更好；摘要未给出模拟数值，软件当前可获取性也未经核验。
原文摘要
Semi-parametric estimation methods of the long-memory exponent of a time series have been studied in several papers, some applied, others theoretical, some using Fourier methods, others using a wavelet-based technique. In this paper, we compare the Fourier and wavelet approaches to the local regression method and to the local Whittle method. We provide an overview of these methods, describe what has been done and indicate the available results and the conditions under which they hold. We discuss their relative strengths and weaknesses both from a practical and a theoretical perspective. We also include a simulation-based comparison. The software written to support this work is available on demand and we illustrate its use at the end of the paper.