Adaptive Estimation in Noncausal Stationary AR Processes
非因果平稳自回归过程的自适应估计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：摘要明确研究平稳自回归过程及其非因果表示下的参数估计理论。
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
非因果平稳自回归过程的自适应估计
- 研究问题
- 不施加通常因果性限制的平稳自回归过程，其参数估计的渐近极小极大界与自适应效率如何受噪声分布影响？
- 方法与思路
- 作者分别研究噪声分布已知与未知的情形，通过局部渐近正态性及最难一维子问题分析估计界和参数缩放。
- 材料陈述的贡献
- 摘要称通常参数化下非因果情形无法自适应有效估计，并提出一种可能使重缩放参数实现该目标的特殊缩放。
- 阅读关注点
- 应核对平稳性与时间序列因果性的定义、噪声分布条件，以及特殊缩放的结果属于已证结论还是可能性陈述。
- 阅读边界
- 仅据版本未注明的索引摘要；这里的因果性是时间序列概念，特殊缩放仅被称为可能有效，不能宣称已解决问题。
原文摘要
We consider the estimation problem of the parameter $b$ of a stationary AR($p$) process without any of the usual causality assumptions. The aim of the paper is to derive asymptotic minimax bounds for estimators of $b$. When the distribution of the noise is known, we show LAN properties of the model and derive locally asymptotically minimax (LAM) estimators. The most important results are about the case of unknown distribution: The main result shows that, if one uses the usual parametrization, these bounds depend heavily on the causality or the noncausality of the process, so that adaptive efficient estimation is impossible in the noncausal situation: The scaling factor is shown to give the hardest one-dimensional subproblem, and an unusual scaling is exhibited that could lead to adaptive efficient estimation of the rescaled parameter even in the noncausal case.