Kernel estimation of hazard functions when observations have dependent and common covariates
含依赖及共同协变量的风险率函数核估计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：摘要明确将风险率核估计应用于高频金融数据中的交易强度。
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
含依赖及共同协变量的风险率函数核估计
- 研究问题
- 当事件之间的相关性来自个体协变量的依赖和共同宏观协变量时，如何非参数估计风险率函数，并使带宽选择反映这种依赖？
- 方法与思路
- 作者通过协变量依赖构建事件相关模型，在混合条件与调整后的带宽条件下研究已有核估计量，并进行模拟和高频交易强度应用。
- 材料陈述的贡献
- 摘要称，相关核估计量具有与独立同分布情形相似的渐近性质，考虑依赖的带宽选择改善模拟表现，并展示交易强度估计。
- 阅读关注点
- 应核对事件依赖如何由协变量传递、共同变量的处理、混合条件及带宽调整，并查看交易强度应用中的风险集和数据构造。
- 阅读边界
- 仅据所给出版社摘要；摘要未给出依赖与带宽条件或改善幅度，不能据此推广至所有事件相关机制，也不能推断其他版本变化。
原文摘要
We propose a hazard model where dependence between events is achieved by assuming dependence between covariates. This model allows for correlated variables specific to observations as well as macro variables which all observations share. This setup better fits many economic and financial applications where events are not independent. Nonparametric estimation of the hazard function is then studied. Kernel estimators proposed in Nielsen and Linton (1995) and Linton et al. (2003) are shown to have similar asymptotic properties compared with the i.i.d. case. Mixing conditions ensure the asymptotic results follow. These results depend on adjustments to bandwidth conditions. Simulations are conducted which verify the impact of dependence on estimators. Bandwidth selection accounting for dependence is shown to improve performance. In an empirical application, trade intensity in high-frequency financial data is estimated.