LOCAL POLYNOMIAL ESTIMATION OF TIME-VARYING PARAMETERS IN NONLINEAR MODELS
非线性模型时变参数的局部多项式估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究非线性时间序列，并以 ARCH 模型作为理论示例，对应时间序列和波动率方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
非线性模型时变参数的局部多项式估计
- 研究问题
- 对于包括离散值过程在内的非线性时间序列模型，如何估计随时间变化的参数，并准确描述局部平滑引起的偏差与抽样分布？
- 方法与思路
- 作者建立局部多项式极值估计的渐近理论，再为门限自回归、ARCH 和含外生协变量的泊松自回归给出局部似然估计条件。
- 材料陈述的贡献
- 摘要称在弱条件下得到渐近正态性并刻画主要平滑偏差，随后将局部线性泊松自回归用于美国企业违约次数分析。
- 阅读关注点
- 应核对时变参数的平滑性、非线性过程的依赖条件、带宽与偏差的关系，以及各示例模型如何满足一般理论条件。
- 阅读边界
- 仅据所给 Crossref 版本摘要，弱条件的具体内容、带宽规则和企业违约应用结果未说明；不能推断统一有限样本表现或刊本变化。
原文摘要
We develop a novel asymptotic theory for local polynomial extremum estimators of time-varying parameters in a broad class of nonlinear time-series models, including discrete-valued ones. We show that the proposed estimators are asymptotically normally distributed under weak conditions. We also provide a precise characterization of the leading bias term due to smoothing. We demonstrate the usefulness of our general results by establishing primitive conditions for local (quasi-)maximum-likelihood estimators of time-varying models threshold autoregressions, ARCH models and Poisson autoregressions with exogenous covariates, to be normally distributed in large samples and characterize their leading biases. An empirical study of U.S. corporate default counts demonstrates the applicability of the proposed local linear estimator for Poisson autoregressions, shedding new light on the dynamic properties of U.S. corporate defaults.