轻度爆炸自回归的统一定性理论：跨越长记忆、短记忆与反持久性创新的柯西极限

《Econometric Theory》：TOWARD A UNIFORM ASYMPTOTIC THEORY FOR MILDLY EXPLOSIVE AUTOREGRESSION

本文针对轻度爆炸自回归模型，提出了一个统一的渐近理论框架。研究证实，在包含鞅差新息、平稳因果过程及非线性自回归序列（如TAR和BL模型）在内的广泛误差过程下，柯西极限理论保持不变。该研究将长记忆、短记忆和反持久性创新下的柯西极限理论统一于单一框架，并揭示了在反持久性创新下，当回归系数接近局部单位根范围时，柯西极限理论可能被违背。此外，研究还拓展至含时变漂移项的模型，具有独立的理论价值。

　　

在经济和金融领域，许多时间序列会表现出爆炸性行为，其特征是快速且通常不可持续的增长或下降。例如，标准普尔500指数的股息价格比率在很长历史时期内的自回归系数置信区间就包含了爆炸性根。为了检测经济金融时间序列中可能存在的爆炸性行为，近几十年来，研究人员在各种新息假设下开发了广泛的检验方法。其中，最为流行的方法由Phillips, Wu和Yu (2011) 以及 Phillips, Shi和Yu (2014, 2015a, 2015b) 提出。这些方法的核心技术依赖于Phillips和Magdalinos (2007a) 引入的针对所谓“轻度爆炸过程”的最小二乘估计理论。

轻度爆炸自回归模型通常形式为 y_k= ρ_ny_k-1+ u_k, k=1,2,…,n，其中回归系数 ρ_n= 1 + τ/k_n, τ>0，k_n是一个趋于无穷大的正序列，满足 n/k_n→ ∞。模型的初始化 y₀是 O_P(1) 的。ρ_n的这种设定使其略大于1，从而捕捉序列的轻度爆炸特性。该模型的最小二乘估计量记为 ^{^}ρ_n。

当新息序列 {u_k} 是独立同分布的随机变量，且均值为0，方差有限时，Phillips和Magdalinos (2007a) 在 k_n= n^α(α ∈ (0,1)) 的情况下首次研究了 ^{^}ρ_n的渐近性质。与早期White (1958) 和Anderson (1959) 在纯粹爆炸情形下的工作类似，他们推导出了柯西极限理论，即 [ρ_nⁿ/ (ρ_n²- 1)] (^{^}ρ_n- ρ_n) →_DC，其中 C 表示一个柯西随机变量，即 C =_DX/Y，X 和 Y 是独立的标准正态变量。PM研究结果的一个显著特点是，在一定的约束条件下，这种柯西极限理论对于轻度爆炸过程的新息 u_k和初始化 y₀保持不变。这种关键的柯西分布在实证应用中特别有吸引力，促使了大量研究致力于探索具有一般相依新息的模型(1.1)。

尽管已有大量文献研究了不同新息结构下的轻度爆炸自回归，但现有的渐近理论通常依赖于新息的具体结构。本文旨在提供一个统一的框架，证明柯西极限理论在广泛的误差过程中保持不变，从而将长记忆、短记忆和反持久性创新下的结果统一起来。

为了回答上述问题，研究人员在论文《Toward a Uniform Asymptotic Theory for Mildly Explosive Autoregression》中开展了系统性研究。该文发表在计量经济学权威期刊《Econometric Theory》上。研究的主要目标是建立一个适用于轻度爆炸自回归的统一定性理论。

本研究主要依赖于严谨的概率论和渐近理论分析工具。核心方法包括利用鞅论处理线性过程的新息，运用渐近独立性论证来推导估计量的极限分布，以及对各种协方差结构下关键量（如 Γ_n和 σ_n²）的渐近行为进行精细的估计。对于非线性过程，研究采用了将过程分解为鞅差序列加一个边界项的技术（即 u_k= ε_k+ z_k-1- z_k）。对于含漂移项的扩展模型，研究通过分析估计量的精确表达式并分离漂移项的影响来建立理论。

2. 主要结果

本节建立了模型(1.1)在两种主要新息设定下的柯西极限理论(1.2)。

2.1. 一般线性过程的柯西极限理论

考虑由 u_k= ∑_j=0^∞ψ_jε_k-j定义的线性过程 {u_k}，其中 ∑ψ_j²< ∞，{ε_k, F_k} 是满足条件C1或C2的鞅差序列。令 γ(j) 为 {u_k} 的协方差，Γ_n= γ(0)/2 + ∑_j=1ⁿρ_n^-jγ(j)，σ_n²= τ^-1k_nΓ_n。

定理2.1 表明，在满足（a）σ_n²→ ∞；（b）∑_j=n-knⁿ|γ(j)| = O(∑_j=0^n-k_n|γ(j)|)；（c）∑_j=0ⁿ(n-j)ρ_n^j-n|γ(j)| = o(σ_n²) 的条件下，柯西极限(1.2)成立。该定理为线性过程新息下的柯西极限理论提供了一个通用框架。

推论2.1 将定理2.1应用于三种典型的协方差结构C3：（i）长记忆（γ(j) ~ j^-βl(j), 0<β<1）；（ii）短记忆（∑|γ(j)|<∞, ∑γ(j)≠0）；（iii）反持久性（∑γ(j)=0, γ(j) ~>_βj^-1-β）。结果表明，对于C3(i)和C3(ii)，只要 k_n→ ∞ 且 n/k_n→ ∞，(1.2)恒成立。对于C3(iii)，则需要附加条件 n k_n^β-1e^-τn/k_n→ 0。

推论2.2 专门讨论了ARIMA(p,d,q)过程作为新息的情形，其中差分参数 d ∈ (-1/2, 1/2)。结果表明：（a）当 0 ≤ d < 1/2（短记忆和长记忆）时，对任何满足 n/k_n→ ∞ 的 k_n，(1.2)成立；（b）当 -1/2 < d < 0（反持久性）时，需要 lim inf_n→∞n log^-1n / k_n> (2+d)/τ；（c）柯西极限理论在 d ∈ (-1/2, 1/2) 内对任何满足 lim inf_n→∞n log^-1n / k_n> 3τ^-1/2 的 k_n保持不变。

2.2. 其他相依过程的柯西极限理论

定理2.2 将柯西极限理论拓展到非线性过程。考虑新息 u_k= ε_k+ z_k-1- z_k，其中 {ε_k, F_k} 是满足C1或C2的鞅差序列，z_k是满足 sup_k≥0E z_k²< ∞ 的任意随机变量。定理指出，对于任何满足 n/k_n→ ∞ 的 k_n→ ∞，(1.2)成立。通过命题2.2，许多平稳因果过程（如例2.1的TAR模型、例2.2的双线性模型、例2.3的GARCH模型）可以表示为这种形式，从而定理2.2也适用于这些非线性模型。

3. 向含时变漂移项模型的拓展

本节研究带有时变漂移项 α_n的轻度爆炸过程：y_k= α_n+ ρ_ny_k-1+ u_k。

定理3.1（针对线性过程新息）和定理3.2（针对(2.8)形式的新息）探讨了漂移项 α_n对估计量 ^{^}ρ_n渐近性质的影响。结果表明，柯西极限理论对未知漂移项 α_n保持不变的充要条件是 l_n→ 0。对于线性过程，这要求 α_n= o[(Γ_n/k_n)^1/2]；对于(2.8)形式的非线性过程，则要求 α_n= o(k_n^-1/2)。否则，估计量的极限分布将不再是标准的柯西分布，而是与漂移项大小相关的混合正态或柯西型分布。

4. 结论

本研究为轻度爆炸自回归的渐近理论提供了一个统一的框架，证明了柯西极限理论在包含一般线性过程（含鞅差新息）、平稳因果过程以及TAR、双线性等非线性自回归模型在内的广泛误差过程中保持不变。研究结果将长记忆、短记忆和反持久性创新下的柯西极限理论统一于单一理论框架内，特别是证明了该理论对于由ARIMA(p,d,q)过程（差分参数d ∈ (-1/2, 1/2)）生成的创新同样适用。研究还揭示了在反持久性创新下，当回归系数非常接近局部单位根范围时，柯西极限理论可能被违背。此外，研究还拓展至含时变漂移项的模型，并给出了极限理论对漂移项保持不变的充要条件。这些发现对于相关领域，特别是在检测经济金融时间序列中的爆炸性行为方面，具有重要的理论价值和应用前景。

5. 证明

证明部分提供了主要结论的详细推导，包括关键的预备引理（引理5.1和引理5.2）。引理5.2 证明了在定理2.1的条件下，标准化部分和 (σ_n^-1S_n,1, σ_n^-1S_n,2) 依分布收敛于两个独立的标准正态变量，这是推导柯西极限的核心步骤。后续各小节的证明则基于这些引理，分别完成了定理2.1、定理2.2、命题2.1、推论2.1以及定理3.1和定理3.2的证明。