Dynamic adaptive partitioning for nonlinear time series
非线性时间序列的动态自适应分割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：摘要直接研究平稳非线性时间序列及其动态概率模型，与时间序列方向相符，但未声称宏观应用。
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
非线性时间序列的动态自适应分割
- 研究问题
- 如何利用历史观测动态构造分割，对平稳非线性时间序列进行非参数分析，并估计过程的整体概率分布？
- 方法与思路
- 作者量化数据，以简约Markov链自适应描述分割单元，构建取值于多维实空间的量化变长Markov链模型。
- 材料陈述的贡献
- 摘要称提出了动态分割及新的模型类别，扩展有限取值的变长Markov链，并讨论估计、渐近性质与有限样本表现。
- 阅读关注点
- 核对历史信息如何决定分割、量化精度与记忆长度如何选择，以及整体分布估计和渐近结论需要哪些条件。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；平稳性之外的条件、具体收敛结论和数值结果未提供。
原文摘要
We propose a dynamic adaptive partitioning scheme for nonparametric analysis of stationary nonlinear time series. It yields estimates of the whole probability distribution of the underlying process. We use information from past values to construct adaptive partitioning in a dynamic fashion which is then different from the more common static schemes in the regression set-up. The idea of dynamic partitioning is new. We make it constructive by an approach based on quantisation of the data and adaptively modelling partition cells with a parsimonious Markov chain. The methodology is formulated in terms of a new model class, the so-called quantised variable length Markov chains. It is a new extension of finite-valued variable length Markov chains to processes with values in Rd. We discuss estimation, explore asymptotic properties of the new method and five some numerical results which reflect the finite sample behaviour.