NEARLY OPTIMAL TEST FOR LONG-RUN PREDICTABILITY WITH NEARLY INTEGRATED REGRESSORS
近单位根回归变量下的近最优长期可预测性检验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：摘要明确研究高持续性时间序列的长期可预测性，并考察对短期动态的稳健性，对应时间序列与预测检验方向。
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
近单位根回归变量下的近最优长期可预测性检验
- 研究问题
- 如何检验高持续性的序列 X 对序列 Y 的长期可预测性，使检验对短期动态稳健，并在不同持续性程度下争取较高功效？
- 方法与思路
- 作者利用序列的长期行为构造检验，以似然比的 Whittle 近似为基础，并作调整以保持对不同 X 持续性程度的准确性。
- 材料陈述的贡献
- 摘要提出兼顾短期动态稳健性与功效的长期可预测性检验，并通过小规模模拟考察性质，与一组近期提出的方法比较。
- 阅读关注点
- 应核对长期可预测性的零假设、允许的短期动态、持续性调整的方式，以及近最优功效所对应的检验类别与基准。
- 阅读边界
- 仅依据所给 Crossref 摘要；最优性的精确标准、适用持续性范围和模拟比较结果未说明，不能宣称普遍最优或推断刊本变化。
原文摘要
We develop a method for long-run predictability testing in series Y by a persistent series X. We consider a class of tests based on the long-run behavior of these series that are robust to short-run dynamics and attempt to attain the highest possible power. The test is based on the Whittle approximation to the likelihood ratio that is adjusted to remain accurate across a range of persistence in X . We verify the properties of this test in small simulations and compare this test against a group of recently proposed methods.