Strict stationarity testing and GLAD estimation of double autoregressive models
双重自回归模型的严格平稳性检验与 GLAD 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：摘要围绕双重自回归模型的严格平稳性、爆炸行为与利率序列展开，直接对应时间序列方法。
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…
关注这篇论文的作者
双重自回归模型的严格平稳性检验与 GLAD 估计
- 研究问题
- 如何在不预先假定严格平稳的情况下，检验双重自回归模型的严格平稳性，并对平稳与爆炸情形下的模型参数进行估计推断？
- 方法与思路
- 作者将平稳性检验转化为最大 Lyapunov 指数是否为负的检验，用随机加权估计其方差，并提出放宽常用 QMLE 部分假设的 GLAD 估计。
- 材料陈述的贡献
- 摘要称构造了相应指数的一致估计与 t 型检验，并证明除截距外的参数估计在平稳和爆炸情形下均一致且渐近正态。
- 阅读关注点
- 应核对 GLAD 的定义、相对 QMLE 放宽的具体假设，以及最大 Lyapunov 指数估计的条件，尤其关注截距为何被排除在结论之外。
- 阅读边界
- 仅依据所给出版社摘要，无法确认误差分布要求、检验边界处理及截距性质；模拟表现和利率应用的具体数值结果未说明。
原文摘要
In this article we develop a tractable procedure for testing strict stationarity in a double autoregressive model and formulate the problem as testing if the top Lyapunov exponent is negative. Without strict stationarity assumption, we construct a consistent estimator of the associated top Lyapunov exponent and employ a random weighting approach for its variance estimation, which in turn are used in a t-type test. We also propose a GLAD estimation for parameters of interest, relaxing key assumptions on the commonly used QMLE. All estimators, except for the intercept, are shown to be consistent and asymptotically normal in both stationary and explosive situations. The finite-sample performance of the proposed procedures is evaluated via Monte Carlo simulation studies and a real dataset of interest rates is analyzed.