Cyclical Long Memory: Decoupling, Modulation, and Modeling
周期性长记忆：解耦、调制与建模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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接讨论长记忆时间序列、向量 ARMA 模型与自协方差函数，对应时间序列方法。
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…
周期性长记忆：解耦、调制与建模
- 研究问题
- 如何在周期性长记忆时间序列中分别描述准周期性与长期持续性，同时允许更一般的周期相位，并形成便于模拟和估计的模型？
- 方法与思路
- 作者通过对二元长记忆序列进行随机调制构造新模型，讨论可用的基础序列，包括参数化分数积分向量 ARMA 模型。
- 材料陈述的贡献
- 摘要称，该构造可解耦准周期性与长期持续性并允许一般周期相位，所提出参数模型具有可直接用于模拟、估计等任务的显式自协方差函数。
- 阅读关注点
- 应核对随机调制的具体定义、周期相位与记忆参数如何分离、模型成立的条件，以及显式自协方差在估计中如何实际使用。
- 阅读边界
- 依据 arXiv 预印本摘要，不能确认同行评审或期刊接收；参数限制、识别条件及估计性能未说明，也未提供应用比较结果。
原文摘要
A new model for general cyclical long memory is introduced, by means of random modulation of certain bivariate long memory time series. This construction essentially decouples the two key features of cyclical long memory: quasi-periodicity and long-term persistence. It further allows for a general cyclical phase in cyclical long memory time series. Several choices for suitable bivariate long memory series are discussed, including a parametric fractionally integrated vector ARMA model. The parametric models introduced in this work have explicit autocovariance functions that can be used readily in simulation, estimation, and other tasks.