INFERENCE ON NONSTATIONARY TIME SERIES WITH MOVING MEAN
具有变化均值的非平稳时间序列推断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：摘要直接讨论非平稳时间序列、分数差分、记忆参数及 I(1) 检验。
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
具有变化均值的非平稳时间序列推断
- 研究问题
- 对于均值由未知确定性趋势驱动的非平稳序列，如何同时估计记忆及短期依赖参数，并对 I(1) 等假设开展标准渐近检验？
- 方法与思路
- 作者提出半参数模型，以分数差分和短记忆修正进行参数滤波，去除相关性而保留非参数确定性趋势，并考虑趋势函数估计。
- 材料陈述的贡献
- 摘要称，记忆与其他依赖参数估计以参数速度一致且渐近正态，从而支持具有标准渐近分布的 I(1) 等检验，并提供模拟研究。
- 阅读关注点
- 应核对滤波后去相关的含义、趋势函数和记忆参数的条件，以及趋势估计是否影响参数推断与 I(1) 检验的有效性。
- 阅读边界
- 本导读仅据所给 Crossref 摘要；趋势平滑条件、记忆参数范围及有限样本数值摘要未说明，标准渐近结果不能推广到任意变化均值。
原文摘要
A semiparametric model is proposed in which a parametric filtering of a nonstationary time series, incorporating fractionally differencing with short memory correction, removes correlation but leaves a nonparametric deterministic trend. Estimates of the memory parameter and other dependence parameters are proposed, and shown to be consistent and asymptotically normally distributed with parametric rate. Tests with standard asymptotics for I (1) and other hypotheses are thereby justified. Estimation of the trend function is also considered. We include a Monte Carlo study of finite-sample performance.