Identification of Impulse Response Functions for Nonlinear Dynamic Models
非线性动态模型中脉冲响应函数的识别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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要核心是非线性动态模型的脉冲响应识别，并涉及非线性自回归和动态因子，因此对应冲击、时间序列与因子模型。
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
非线性动态模型中脉冲响应函数的识别
- 研究问题
- 非线性动态模型的脉冲响应为何可能无法唯一识别，创新分布、潜在因子动态及所选序列能否提供识别限制？
- 方法与思路
- 作者引入高斯创新的非线性自回归表示，刻画保持标准正态密度不变的变换所产生的识别集，并讨论可能的识别限制。
- 材料陈述的贡献
- 摘要指出非线性创新的多重表示会形成识别集合，并讨论独立非高斯来源、学习算法及潜因子不同动态可能提供的识别途径。
- 阅读关注点
- 应核对脉冲响应的定义、识别集的完整刻画、学习算法获得识别的条件，以及潜因子动态差异和序列选择如何影响结果。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收状态未核实；摘要未给出具体识别条件，不能将非高斯性或使用学习算法视为充分保证。
原文摘要
We explore the issues of identification for nonlinear Impulse Response Functions in nonlinear dynamic models and discuss the settings in which the problem can be mitigated. In particular, we introduce the nonlinear autoregressive representation with Gaussian innovations and characterize the identified set. This set arises from the multiplicity of nonlinear innovations and transformations which leave invariant the standard normal density. We then discuss possible identifying restrictions, such as non-Gaussianity of independent sources, or identifiable parameters by means of learning algorithms, and the possibility of identification in nonlinear dynamic factor models when the underlying latent factors have different dynamics. We also explain how these identification results depend ultimately on the set of series under consideration.