The conditional distance autocovariance function
The conditional distance autocovariance function
复制标题
条件距离自协方差函数
DOI：
10.1002/cjs.11610
复制
发表时间：
2021-03
期刊：
影响因子：
--
通讯作者：
Wang Xueqin
中科院分区：
文献类型：
--
作者：
Zhang Qiang;Pan Wenliang;Li Chengwei;Wang Xueqin
偏自相关函数(PACF)在时间序列分析中常被用来识别自回归模型的滞后程度。然而，PACF只适用于检测线性相关性。本文提出了条件距离自协方差函数(CDACF)，当且仅当被测时间序列分量条件独立时，CDACF函数为零。由于缺乏这一性质，传统的测量部分相关性的工具，如PACF，不能很好地适用于非线性序列。在CDACF的基础上，我们引入了一个被称为集成条件距离自协方差函数(ICDACF)的工具，它可以检验序列的条件时间相关性结构，并估计自回归过程的阶数。仿真研究表明，ICDACF在控制第I类错误率的同时，能够有效地检测非线性自回归模型的条件相关性。最后，使用ICDACF对比特币价格数据集的分析表明，与其他最先进的方法相比，我们的方法具有相当大的优势。
The partial autocorrelation function (PACF) is often used in time series analysis to identify the extent of the lag in an autoregressive model. However, the PACF is only suitable for detecting linear correlations. This article proposes the conditional distance autocovariance function (CDACF), which is zero if and only if measured time series components are conditionally independent. Due to the lack of this property, traditional tools for measuring partial correlations such as the PACF cannot work well for nonlinear sequences. Based on the CDACF, we introduce a tool known as an integrated conditional distance autocovariance function (ICDACF), which can test conditional temporal dependence structures of a sequence and estimate the order of an autoregressive process. Simulation studies reveal that the ICDACF can detect the conditional dependence of nonlinear autoregressive models efficiently while controlling for type‐I error rates. Finally, an analysis of a Bitcoin price dataset using the ICDACF demonstrates that our method has considerable advantages over other state‐of‐the‐art methods.
登录
查看更多内容
影响因子：
3
作者：
Daniel B. Nelson;C. Cao
通讯作者：
Daniel B. Nelson;C. Cao
DOI：
10.2307/1533949
发表时间：
1990
期刊：
--
影响因子：
--
作者：
H. Tong
通讯作者：
H. Tong
DOI：
10.1080/01621459.2000.10474284
发表时间：
2000-09
影响因子：
3.7
作者：
Z. Cai;Jianqing Fan;Q. Yao
通讯作者：
Z. Cai;Jianqing Fan;Q. Yao
DOI：
--
发表时间：
--
期刊：
--
影响因子：
--
作者：
通讯作者：
--
影响因子：
3.7
作者：
Cai, ZW;Fan, JQ;Yao, QW
通讯作者：
Yao, QW