Generalized R-estimators under conditional heteroscedasticity
条件异方差下的广义秩估计量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：摘要明确针对具有条件异方差的自回归模型建立估计与渐近理论。
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
条件异方差下的广义秩估计量
- 研究问题
- 经典秩估计如何从同方差问题扩展到条件异方差自回归模型，并为条件均值参数提供渐近推断依据？
- 方法与思路
- 作者通过三步程序定义秩估计量，借助依赖权重的分割论证，对随机加权经验过程建立一致近似。
- 材料陈述的贡献
- 摘要称推导了一类条件均值参数秩估计量的渐近分布，覆盖 ARCH、阈值异方差模型及 Wilcoxon 型扩展。
- 阅读关注点
- 应核对三步估计程序、权重的构造与估计误差，以及经验过程近似和渐近分布所需的依赖与矩条件。
- 阅读边界
- 仅据所给作者／机构库版本摘要，未核对刊本变化；摘要未说明具体正则条件，也未提供有限样本效率或稳健性比较。
原文摘要
In this paper, we extend the classical idea of Rank-estimation of parameters from homoscedastic problems to heteroscedastic problems. In particular, we define a class of rank estimators of the parameters associated with the conditional mean function of an autoregressive model through a three-steps procedure and then derive their asymp- totic distributions. The class of models considered includes Engel’s ARCH model and the threshold heteroscedastic model. The class of estimators includes an extension of Wilcoxon-type rank estimator. The derivation of the asymptotic distributions depends on the uniform approximation of a randomly weighted empirical process by a perturbed empirical process through a very general weight-dependent partitioning argument.