Tapered block bootstrap
渐消加权区块自助法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：摘要明确研究时间序列的区块自助法及依赖数据重抽样。
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
渐消加权区块自助法
- 研究问题
- 在时间序列区块自助法中，如何通过渐消加权改善偏差表现，并合理选择窗口形状和区块长度这两个实践参数？
- 方法与思路
- 作者引入渐消加权区块自助法，研究其渐近有效性和偏差性质，讨论窗口与区块长度的优化，并进行有限样本模拟。
- 材料陈述的贡献
- 摘要称该方法相较已有区块自助法有所改进，证明渐近有效性及有利的偏差性质，模拟也展示了良好表现。
- 阅读关注点
- 阅读全文时应核对序列依赖条件、目标统计量、偏差比较的具体指标，以及窗口和区块长度的最优选择准则。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；改进幅度、模拟设计和理论适用范围未说明，不能推定对所有序列有效。
原文摘要
We introduce and study tapered block bootstrap methodology that yields an improvement over the well‐known block bootstrap for time series of Künsch (1989). The asymptotic validity and the favourable bias properties of the tapered block bootstrap are shown. The important practical issues of optimally choosing the window shape and the block size are addressed in detail, while some finite‐sample simulations are presented validating the good performance of the tapered block bootstrap.