有限与无限方差时间序列中长程依赖性的时域检测
统计理论
2023-07-27 v3 统计理论
摘要
对时间序列长程依赖(LRD)的经验检测通常在于判定记忆参数d的估计是否对应LRD。令人惊讶的是,文献中提供了大量d的谱域估计量,但时域估计量寥寥无几。此外,后者被批评依赖视觉检查来确定用于线性回归的观测窗口[n₁,n₂]。对于许多时间序列模型,缺乏理论上动机明确的n₁与n₂选择。本文中,我们采用著名的方差图估计量,并给出[n₁,n₂]的严格渐近条件,以在LRD下保证估计量的一致性。我们对一大类平方可积时间序列模型建立了这些条件。该类模型使得方差图估计量可用于检测无限方差时间序列的LRD(经适当变换后)。因此,无限方差时间序列LRD的检测是本文另一创新点。模拟研究表明方差图估计量比流行的谱域GPH估计量能更好地检测LRD。
引用
@article{arxiv.2204.05608,
title = {Detection of Long Range Dependence in the Time Domain for (In)Finite-Variance Time Series},
author = {Marco Oesting and Albert Rapp and Evgeny Spodarev},
journal= {arXiv preprint arXiv:2204.05608},
year = {2023}
}
备注
32 pages with 2 tables and 2 figures