ESTIMATION FOR THE PREDICTION OF POINT PROCESSES WITH MANY COVARIATES
高维协变量下点过程预测的估计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：摘要以期货买卖交易的点过程强度为应用，直接对应交易事件层面的高频计量。
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
高维协变量下点过程预测的估计
- 研究问题
- 仅观察计数过程的一条轨迹，且协变量可能多于跳跃次数时，如何估计给定协变量的点过程强度并评价其预测表现？
- 方法与思路
- 作者采用非参数加性强度模型，各分量由可能未知的函数线性组合表示，通过约束组合系数控制误差，并提出预测评价检验。
- 材料陈述的贡献
- 摘要称活跃协变量较多时可获得最优收敛速率，并以新西兰元期货买卖交易强度估计和模拟展示方法的应用与有限样本性质。
- 阅读关注点
- 应核对单轨迹下的依赖条件、函数与系数限制，以及最优速率对应的模型类，并检查交易强度预测评价检验的实施要求。
- 阅读边界
- 仅依据所给 Crossref 摘要；强度模型的约束、数据采样细节和预测效果数值未说明，不能据此断言可筛选重要变量。
原文摘要
Estimation of the intensity of a point process is considered within a nonparametric framework. The intensity measure is unknown and depends on covariates, possibly many more than the observed number of jumps. Only a single trajectory of the counting process is observed. Interest lies in estimating the intensity conditional on the covariates. The impact of the covariates is modelled by an additive model where each component can be written as a linear combination of possibly unknown functions. The focus is on prediction as opposed to variable screening. Conditions are imposed on the coefficients of this linear combination in order to control the estimation error. The rates of convergence are optimal when the number of active covariates is large. As an application, the intensity of the buy and sell trades of the New Zealand Dollar futures is estimated and a test for forecast evaluation is presented. A simulation is included to provide some finite sample intuition on the model and asymptotic properties.