Quantile Autoregression
分位数自回归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：摘要明确提出分位数自回归时间序列模型，并应用于失业率、利率和价格序列。
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
分位数自回归
- 研究问题
- 如何让自回归模型刻画条件变量对响应分布位置、尺度与形状的系统影响，并建立分位数过程的推断方法？
- 方法与思路
- 作者将自回归系数表示为同一标量随机变量的单调函数，构造分位数自回归，并研究模型和估计量的统计性质。
- 材料陈述的贡献
- 摘要称推导了自回归分位数过程的极限分布，研究推断方法，并以美国失业率、短期利率及汽油价格展示潜力。
- 阅读关注点
- 应核对系数单调性与模型可行性的关系、平稳性及估计条件，以及分位数过程极限分布如何用于实际推断。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体条件及应用结果未提供，不能据此声称预测改善或推断刊本变化。
原文摘要
We consider quantile autoregression (QAR) models in which the autoregressive coefficients can be expressed as monotone functions of a single, scalar random variable. The models can capture systematic influences of conditioning variables on the location, scale, and shape of the conditional distribution of the response, and thus constitute a significant extension of classical constant coefficient linear time series models in which the effect of conditioning is confined to a location shift. The models may be interpreted as a special case of the general random-coefficient autoregression model with strongly dependent coefficients. Statistical properties of the proposed model and associated estimators are studied. The limiting distributions of the autoregression quantile process are derived. QAR inference methods are also investigated. Empirical applications of the model to the U.S. unemployment rate, short-term interest rate, and gasoline prices highlight the model's potential.