On the Estimation of an Instantaneous Transformation for Time Series
时间序列瞬时变换的估计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：摘要明确涉及时间序列变换、自回归建模与阶数选择。
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…
时间序列瞬时变换的估计
- 研究问题
- 如何估计适用于自回归的严格单调瞬时变换，并在变换估计中反映时间序列特征，是摘要提出的问题。
- 方法与思路
- 作者修改用于回归单调变换估计的 Ramsay 算法，将其扩展至自回归，另提出阶数选择方法并分析真实数据。
- 材料陈述的贡献
- 摘要称，该方法能捕捉部分时间序列特征，且比所比较方法更易实现；同时给出自回归阶数选择方案。
- 阅读关注点
- 应核对严格单调性如何保证、变换与自回归参数如何估计、阶数选择准则，以及比较方法和实际数据诊断。
- 阅读边界
- 仅据所给 Crossref 摘要，未说明误差结构、算法收敛或理论性质；实施便利性也缺少具体比较细节。
原文摘要
Summary We modify Ramsay's algorithm for estimating monotonic transformations in regression and extend it to autoregression, where strict monotonicity is an essential requirement. Compared with other methods, our method can capture some characteristics that are pertinent to the time series and is much easier to implement. An order selection method is introduced and developed. Some real data sets are analysed.