分数积分模型中持续性度量的偏差校正
统计方法学
2016-03-08 v2
摘要
本文研究了基于自举法对长记忆分数积分过程的持续性度量进行偏差校正的准确性。该自举法基于半参数筛法逼近，其中长记忆过程中的动态由自回归逼近捕捉。为了提高准确性，筛法也被应用于经过长记忆参数半参数估计预过滤的数据。这两种版本的自举技术均用于估计样本自相关系数和脉冲响应系数的有限样本分布，进而对这些统计量进行偏差调整。在自相关系数的情况下，还将所得估计量的准确性与解析偏差调整方法（在可用时）产生的结果进行了比较。结果表明，基本筛法技术降低了两种持续性度量的偏差。预过滤筛法显著进一步降低了估计脉冲响应函数的偏差，而预过滤在样本自相关函数情况下产生的额外改进则被证明高度依赖于预过滤的准确性。
引用
@article{arxiv.1312.4675,
title = {Bias Correction of Persistence Measures in Fractionally Integrated Models},
author = {Simone D. Grose and Gael M. Martin and Donald S. Poskitt},
journal= {arXiv preprint arXiv:1312.4675},
year = {2016}
}
备注
This paper is a revision of http://arxiv.org/abs/1312.4675 and hence supersedes that paper. The paper is also now forthcoming in Journal of Time Series Analysis (JTSA). A Supplementary Appendix to the paper is currently available at http://users.monash.edu.au/~gmartin/Grose_Martin_Poskitt_on_line_appendix.pdf and will eventually be available on line at JTSA