ADAPTIVE DENSITY ESTIMATION FOR GENERAL ARCH MODELS
一般 ARCH 模型的自适应密度估计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：摘要直接估计潜在波动的对数平方密度，并将理论应用于一般 ARCH 波动模型。
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
一般 ARCH 模型的自适应密度估计
- 研究问题
- 当波动过程与噪声过程整体相关、但每期波动与同期噪声独立时，如何从观测序列自适应估计对数平方波动的密度？
- 方法与思路
- 作者在平稳波动和 τ 依赖结构下构造非参数密度估计，研究其收敛速度，并利用反卷积算法和新的噪声密度开展模拟。
- 材料陈述的贡献
- 摘要称，在所设依赖结构下，估计速度与相应独立同分布情形一致；结果适用于多种线性和非线性一般 ARCH 过程。
- 阅读关注点
- 应核对逐期独立与过程整体独立的区别、τ 依赖的定量条件、噪声密度是否已知，以及自适应选择和反卷积的实现。
- 阅读边界
- 所给 Crossref 摘要未说明密度光滑度、噪声限制及具体收敛速度；不能断言适用于所有 ARCH 模型或推断其他版本变化。
原文摘要
We consider a model Y t = σ t η t in which (σ t ) is not independent of the noise process (η t ) but σ t is independent of η t for each t . We assume that (σ t ) is stationary, and we propose an adaptive estimator of the density of ln(σ t 2 ) based on the observations Y t . Under a new dependence structure, the τ-dependency defined by Dedecker and Prieur (2005, Probability Theory and Related Fields 132, 203–236), we prove that the rates of this nonparametric estimator coincide with the rates obtained in the independent and identically distributed (i.i.d.) case when (σ t ) and (η t ) are independent. The results apply to various linear and nonlinear general autoregressive conditionally heteroskedastic (ARCH) processes. They are illustrated by simulations applying the deconvolution algorithm of Comte, Rozenholc, and Taupin (2006, Canadian Journal of Statistics 34, 431–452) to a new noise density.