长记忆时间序列的矩界与均方预测误差
统计理论
2013-07-09 v1 统计理论
摘要
本文推导了具有任意未知记忆参数的一般自回归分整移动平均 (ARFIMA) 模型的归一化条件平方和 (CSS) 估计的矩界。为实现这一目标，建立了归一化目标函数逆的一致矩界。这些结果的一个重要应用是建立 CSS 预测器的一步和多步均方预测误差 (MSPE) 的渐近表达式。这些渐近表达式不仅明确展示了 CSS 预测器的多步 MSPE 如何随模型复杂度和依赖结构变化，还提供了比较 CSS 预测器与积分自回归模型最小二乘 (LS) 预测器性能的手段。结果表明，当积分阶数较高时，CSS 预测器相比 LS 预测器具有显著优势。还进行了数值实验以说明理论结果。
引用
@article{arxiv.1307.1962,
title = {Moment bounds and mean squared prediction errors of long-memory time series},
author = {Ngai Hang Chan and Shih-Feng Huang and Ching-Kang Ing},
journal= {arXiv preprint arXiv:1307.1962},
year = {2013}
}
备注
Published in at http://dx.doi.org/10.1214/13-AOS1110 the Annals of Statistics (http://www.imstat.org/aos/) by the Institute of Mathematical Statistics (http://www.imstat.org)