Extended Yule–Walker identification of VARMA models with single- or mixed-frequency data
单频或混频数据下 VARMA 模型的扩展 Yule–Walker 识别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：摘要直接研究 VARMA 时间序列模型及单频、混频观测下的参数识别。
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
单频或混频数据下 VARMA 模型的扩展 Yule–Walker 识别
- 研究问题
- 在只掌握单频或混频观测的总体协方差时，能否唯一确定 VARMA 模型的全部自回归和移动平均参数，进而建立模型识别？
- 方法与思路
- 作者将用于 VAR 参数确定的扩展 Yule–Walker 方法推广至 VARMA，并在平稳、正则、最小相位及可控、可观等条件下论证唯一性。
- 材料陈述的贡献
- 摘要称，在所列条件及可对角化条件下，可用单频或混频总体协方差唯一确定参数，从而建立相应 VARMA 模型的识别结果。
- 阅读关注点
- 应核对各项条件的精确定义、所需协方差集合及采样频率限制，并区分总体层面的唯一识别与样本估计的可行性和稳定性。
- 阅读边界
- 仅据所给出版社摘要；摘要虽列出条件名称，但未说明其形式、所需滞后信息或估计算法，不能扩展为一般 VARMA 识别结论。
原文摘要
Chen and Zadrozny (1998) developed the linear extended Yule–Walker (XYW) method for determining the parameters of a vector autoregressive (VAR) model with available covariances of mixed-frequency observations on the variables of the model. If the parameters are determined uniquely for available population covariances, then, the VAR model is identified. The present paper extends the original XYW method to an extended XYW method for determining all ARMA parameters of a vector autoregressive moving-average (VARMA) model with available covariances of single- or mixed-frequency observations on the variables of the model. The paper proves that under conditions of stationarity, regularity, miniphaseness, controllability, observability, and diagonalizability on the parameters of the model, the parameters are determined uniquely with available population covariances of single- or mixed-frequency observations on the variables of the model, so that the VARMA model is identified with the single- or mixed-frequency covariances.