Bayesian Asymptotic Theory in a Time Series Model with a Possible Nonstationary Process
可能含非平稳过程的时间序列模型中的贝叶斯渐近理论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：题名和摘要均明确研究可能非平稳的时间序列模型及贝叶斯后验渐近性质，因此归入时间序列方向。
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
可能含非平稳过程的时间序列模型中的贝叶斯渐近理论
- 研究问题
- 当时间序列模型的真实数据生成过程可能非平稳时，贝叶斯后验是否仍能渐近正态，需要满足哪些条件才能成立？
- 方法与思路
- 作者将平稳动态模型或非动态模型中的后验渐近正态性分析，扩展到可能含非平稳过程的时间序列，并列出成立条件。
- 材料陈述的贡献
- 摘要称，文章给出即使真实数据生成过程非平稳，后验仍具有渐近正态性的条件，从而扩展已有贝叶斯渐近分析。
- 阅读关注点
- 应核对模型允许的非平稳类型、先验与似然条件、参数标准化速率，以及后验正态近似的中心和协方差如何确定。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定具体模型、先验限制和非平稳类别；不能据此认为任意非平稳过程均有正态后验极限。
原文摘要
Asymptotic normality of the Bayesian posterior is a well-known result for stationary dynamic models or nondynamic models. This paper extends the analysis to a time series model with a possible nonstationary process. We spell out conditions under which asymptotic normality of the posterior is obtained even if the true data-generation process is a nonstationary process.