针对短记忆与长记忆过程的偏差修正最小距离估计量
统计方法学
2018-09-21 v1
摘要
本文提出一种用于短记忆与长记忆模型参数的新最小距离估计量(MDE)。该偏差修正最小距离估计量(BCMDE)在通常的MDE中引入修正,以考虑当均值未知时样本自相关函数的偏差。我们证明了BCMDE对一般分数自回归滑动平均(ARFIMA(p, d, q))模型的弱相合性,并推导了若干特例下的渐近分布。模拟研究表明,与文献中常用的其他方法(如最大似然估计量、Whittle估计量和MDE)相比,BCMDE表现出良好性能。结果还表明,当均值为时间的非平凡函数时,BCMDE总体上具有最小均方误差,且比MDE偏差更小。
引用
@article{arxiv.1809.07415,
title = {Bias corrected minimum distance estimator for short and long memory processes},
author = {Gustavo C. Lana and Glaura C. Franco and Sokol Ndreca},
journal= {arXiv preprint arXiv:1809.07415},
year = {2018}
}