Nonparametric Identification of Nonlinear Time Series: Selecting Significant Lags
非线性时间序列的非参数识别：显著滞后选择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：摘要直接研究非线性平稳时间序列的滞后选择；条件方差内容没有明确金融波动率语境。
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
非线性时间序列的非参数识别：显著滞后选择
- 研究问题
- 如何在一般非线性平稳时间序列中选择显著滞后，使方法既适用于条件均值也适用于条件方差，并允许异方差？
- 方法与思路
- 作者提出非参数滞后选择程序，用模拟及太阳黑子、猞猁和丽蝇数据说明，并讨论结合投影算子检查加性模型的适切性。
- 材料陈述的贡献
- 摘要称该程序可用于条件均值和条件方差，并适用于异方差序列；同时指出它可与投影算子结合用于加性时间序列诊断。
- 阅读关注点
- 应核对显著滞后的判定准则、平稳性及依赖条件、平滑参数选择，以及条件方差分析与加性模型诊断的具体实现。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex索引摘要；“识别”指时间序列模型滞后选择，不能解释为因果识别，误选率和适用维度未说明。
原文摘要
In this article we suggest a nonparametric procedure for selecting significant lags in the model description of a general nonlinear stationary time series. The procedure can be applied to both the conditional mean and the conditional variance and is valid for heteroscedastic series. The procedure is illustrated by simulations and sunspot data, lynx data, and blowfly data are analyzed. It is indicated that projectors can be used in conjunction with the procedure for selecting significant lags to check the adequacy of an additive time series model.