Optimal Tests of Noncorrelation Between Multivariate Time Series
多元时间序列间不相关性的最优检验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：摘要明确研究多元时间序列、联合 VAR 表示和序列间不相关性检验；未讨论结构冲击识别，故只选时间序列方向。
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
多元时间序列间不相关性的最优检验
- 研究问题
- 在两个多元时间序列具有联合 VAR 表示时，如何检验它们之间的不相关性，并比较不同检验的局部渐近检验力？
- 方法与思路
- 作者将不相关性写为联合 VAR 系数及创新协方差的非对角块约束，建立局部渐近正态结构，再构造伪高斯检验。
- 材料陈述的贡献
- 摘要称检验在高斯创新下局部渐近最优，并在非高斯创新下保持有效；该理论还用于比较已有启发式检验的局部检验力。
- 阅读关注点
- 阅读全文时应核对不相关性与矩阵约束等价的条件、非高斯有效性的范围，以及局部最优性所针对的备择和比较基准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出创新分布与正则条件，局部渐近最优性不能直接代表有限样本优势。
原文摘要
The problem of testing noncorrelation between two multivariate time series is considered. Assuming that the global process admits a joint vector autoregressive (VAR) representation, noncorrelation between the two component series is equivalent to the hypothesis that all off-diagonal blocks in the matrix coefficients and the innovation covariance of the joint VAR representation are zero. We establish an adequate local asymptotic normality (LAN) property for this VAR model in the vicinity of noncorrelation. This LAN structure allows construction of optimal pseudo-Gaussian tests—that is, tests that are locally and asymptotically optimal under Gaussian innovations, but remain valid under non-Gaussian ones—for the null hypothesis of noncorrelation and for comparing their local asymptotic powers with those of the heuristic tests (Haugh–El Himdi–Roy and Koch–Yang–Hallin–Saidi) proposed in the literature.