Nonparametric transfer function models
非参数传递函数模型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：摘要明确围绕输入与输出时间序列及平稳 ARMA 噪声建模，因此归入时间序列方向，未据此推断具体宏观应用。
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
非参数传递函数模型
- 研究问题
- 当输入与输出时间序列之间存在未知的非线性关系，且噪声具有序列相关时，如何联合估计传递函数和噪声结构？
- 方法与思路
- 作者用未知形式的平滑函数描述传递关系，将噪声设为平稳 ARMA 过程，并联合估计非参数函数与 ARMA 参数。
- 材料陈述的贡献
- 摘要称，刻画噪声相关性和采用简约 ARMA 结构可提高估计效率，并研究渐近性质，以模拟和一个实证例子展示有限样本性质。
- 阅读关注点
- 应核对输入序列与噪声之间的条件、函数平滑与 ARMA 阶数选择、联合估计算法，以及效率改进所依赖的比较基准。
- 阅读边界
- 仅据所给出版社摘要，无法确认估计算法、渐近条件或实证对象；摘要所称效率提升的幅度和适用范围均未说明。
原文摘要
In this paper a class of nonparametric transfer function models is proposed to model nonlinear relationships between 'input' and 'output' time series. The transfer function is smooth with unknown functional forms, and the noise is assumed to be a stationary autoregressive-moving average (ARMA) process. The nonparametric transfer function is estimated jointly with the ARMA parameters. By modeling the correlation in the noise, the transfer function can be estimated more efficiently. The parsimonious ARMA structure improves the estimation efficiency in finite samples. The asymptotic properties of the estimators are investigated. The finite-sample properties are illustrated through simulations and one empirical example.