Identification of Nonlinear Time Series: First Order Characterization and Order Determination
非线性时间序列识别：一阶刻画与阶数确定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：摘要明确研究非线性自回归过程、条件矩刻画与时间序列模型阶数确定。
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
非线性时间序列识别：一阶刻画与阶数确定
- 研究问题
- 能否利用条件均值和条件方差的非参数估计识别非线性时间序列模型，并确定模型阶数？偏差与误设会怎样影响判断？
- 方法与思路
- 作者结合非参数渐近论证与模拟分析一阶非线性自回归过程的条件量，另提出一般非线性模型的阶数准则，部分依据启发式推理。
- 材料陈述的贡献
- 摘要称，条件均值和方差可用于模型识别，所提阶数准则在有限模拟中表现鼓舞人心；论文也明确指出偏差、误设及开放问题。
- 阅读关注点
- 应核对非参数渐近理论的适用假设、条件量能区分哪些模型，以及阶数准则中已证明部分与启发式部分的界限。
- 阅读边界
- 所给OpenAlex索引摘要未注明稿件版本；阶数准则仅有部分启发式支持和有限模拟，不能据此认定普遍一致或可靠。
原文摘要
We study the possibility of identifying nonlinear time series using nonparametric estimates of the conditional mean and conditional variance. It is shown that most nonlinear models satisfy the assumptions needed to apply nonparametric asymptotic theory. Sampling variations of the conditional quantities are studied by simulation and explained by asymptotic arguments for a number of first-order nonlinear autoregressive processes. The conditional mean and variance can be used for identification purposes, but one must be aware of bias and misspecification effects. We also propose a criterion for determining the order of a general nonlinear model. The criterion is justified in parts by heuristics, but encouraging results are obtained from a limited set of simulation experiments. Several open problems are identified and stated.