分数次协整子空间的半参数估计

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要翻译：
我们考虑了一个多元分数次协整的公共分量模型，其中$s\geq1$分量具有不同的内存参数。协整秩可以超过1。我们将真协整向量分解成正交分数次协整子空间，使得不同子空间的向量产生具有不同记忆参数的协整误差。我们分别估计每一个协整子空间，使用适当的特征向量集，基于前$m$Fourier频率，$m$Fourier频率是固定的。真协整子空间与估计协整子空间之间的夹角为$O_p(1)$。我们利用估计的协整向量对应的协整残差，得到给定协整子空间的记忆参数的一致渐近正态估计，使用带宽趋于$infty$慢于$n$的一元高斯半参数估计。我们使用这些估计来检验分数次协整，并一致地识别协整子空间。
---
英文标题：
《Semiparametric estimation of fractional cointegrating subspaces》
---
作者：
Willa W. Chen, Clifford M. Hurvich
---
最新提交年份：
2007
---
分类信息：

一级分类：Mathematics        数学
二级分类：Statistics Theory        统计理论
分类描述：Applied, computational and theoretical statistics: e.g. statistical inference, regression, time series, multivariate analysis, data analysis, Markov chain Monte Carlo, design of experiments, case studies
应用统计、计算统计和理论统计：例如统计推断、回归、时间序列、多元分析、数据分析、马尔可夫链蒙特卡罗、实验设计、案例研究
--
一级分类：Statistics        统计学
二级分类：Statistics Theory        统计理论
分类描述：stat.TH is an alias for math.ST. Asymptotics, Bayesian Inference, Decision Theory, Estimation, Foundations, Inference, Testing.
Stat.Th是Math.St的别名。渐近，贝叶斯推论，决策理论，估计，基础，推论，检验。
--

---
英文摘要：
  We consider a common-components model for multivariate fractional cointegration, in which the $s\geq1$ components have different memory parameters. The cointegrating rank may exceed 1. We decompose the true cointegrating vectors into orthogonal fractional cointegrating subspaces such that vectors from distinct subspaces yield cointegrating errors with distinct memory parameters. We estimate each cointegrating subspace separately, using appropriate sets of eigenvectors of an averaged periodogram matrix of tapered, differenced observations, based on the first $m$ Fourier frequencies, with $m$ fixed. The angle between the true and estimated cointegrating subspaces is $o_p(1)$. We use the cointegrating residuals corresponding to an estimated cointegrating vector to obtain a consistent and asymptotically normal estimate of the memory parameter for the given cointegrating subspace, using a univariate Gaussian semiparametric estimator with a bandwidth that tends to $\infty$ more slowly than $n$. We use these estimates to test for fractional cointegration and to consistently identify the cointegrating subspaces.
---
PDF链接：
https://arxiv.org/pdf/708.0185

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：参数估计 半参数 Multivariate observations Eigenvectors 带宽 true 内存 给定 向量