A smooth block bootstrap for quantile regression with time series
时间序列分位数回归的平滑分块自助法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：摘要明确以时间序列中的分位数回归及其依赖数据推断为研究对象。
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…
时间序列分位数回归的平滑分块自助法
- 研究问题
- 对具有时间依赖的分位数回归，如何通过平滑重抽样逼近估计量的分布，并改善已有推断近似？
- 方法与思路
- 作者提出平滑渐缩分块自助法，在个体观测重抽样中使用核平滑，并对重抽样数据块施加渐缩平滑。
- 材料陈述的贡献
- 摘要称方法改善既有未平滑分块法和正态近似的表现，并修正早期证明错误、扩展分块自助法有效性条件。
- 阅读关注点
- 应核对依赖及矩条件、两类平滑参数和块长的选择，以及性能改善所用指标、比较设定与证明修正内容。
- 阅读边界
- 仅据版本未注明的索引摘要；所谓弱条件及改善幅度未列出，不能认定所有时间序列和分位点均有同样优势。
原文摘要
Quantile regression allows for broad (conditional) characterizations of a response distribution beyond conditional means and is of increasing interest in economic and financial applications. Because quantile regression estimators have complex limiting distributions, several bootstrap methods for the independent data setting have been proposed, many of which involve smoothing steps to improve bootstrap approximations. Currently, no similar advances in smoothed bootstraps exist for quantile regression with dependent data. To this end, we establish a smooth tapered block bootstrap procedure for approximating the distribution of quantile regression estimators for time series. This bootstrap involves two rounds of smoothing in resampling: individual observations are resampled via kernel smoothing techniques and resampled data blocks are smoothed by tapering. The smooth bootstrap results in performance improvements over previous unsmoothed versions of the block bootstrap as well as normal approximations based on Powell’s kernel variance estimator, which are common in application. Our theoretical results correct errors in proofs for earlier and simpler versions of the (unsmoothed) moving blocks bootstrap for quantile regression and broaden the validity of block bootstraps for this problem under weak conditions. We illustrate the smooth bootstrap through numerical studies and examples.