Density estimation for nonlinear parametric models with conditional heteroscedasticity
条件异方差非线性参数模型的密度估计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：摘要明确以条件异方差非线性时间序列的平稳密度和参数估计为研究对象。
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
条件异方差非线性参数模型的密度估计
- 研究问题
- 在具有条件异方差和序列依赖的非线性参数模型中，如何估计平稳密度与模型参数，并建立收敛速度和效率性质？
- 方法与思路
- 作者提出适用于非线性时间序列平稳密度的简单估计量，并分析条件最大似然估计的 Bahadur 型表示及极限方差。
- 材料陈述的贡献
- 摘要称密度估计在一般依赖结构下具有根号样本量一致性，参数估计的极限方差达到 Cramér–Rao 下界。
- 阅读关注点
- 应核对所估密度的对象、一般依赖结构的具体范围，以及密度估计收敛速度和参数效率结论所需的模型条件。
- 阅读边界
- 仅据所给出版社摘要，无法确认收敛采用的范数、依赖及异方差限制；模拟只涉及密度估计，具体结果未说明。
原文摘要
This article studies density and parameter estimation problems for nonlinear parametric models with conditional heteroscedasticity. We propose a simple density estimate that is particularly useful for studying the stationary density of nonlinear time series models. Under a general dependence structure, we establish the root n consistency of the proposed density estimate. For parameter estimation, a Bahadur type representation is obtained for the conditional maximum likelihood estimate. The parameter estimate is shown to be asymptotically efficient in the sense that its limiting variance attains the Cramér-Rao lower bound. The performance of our density estimate is studied by simulations.