Semiparametric Estimation by Model Selection for Locally Stationary Processes
局部平稳过程的模型选择与半参数估计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：摘要明确研究非平稳时间序列、局部平稳过程和时变自回归模型。
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…
局部平稳过程的模型选择与半参数估计
- 研究问题
- 面对一般非平稳时间序列，如何拟合参数随时间变化的模型，并在时变自回归模型中选择适当的阶数？
- 方法与思路
- 作者在筛空间上采用最大 Whittle 似然估计，讨论时变自回归模型的阶数选择，提出迭代算法并与 AIC 模拟比较。
- 材料陈述的贡献
- 摘要称，结果不要求观测过程属于特定时变参数模型类别，并提供时变自回归拟合、阶数选择与计算程序。
- 阅读关注点
- 应核对局部平稳及其他过程条件、筛空间和模型选择规则，以及模型错设下估计目标与迭代算法的收敛要求。
- 阅读边界
- 仅据 Crossref 摘要；未列出过程条件、选择准则细节或模拟结果，不要求特定模型类别也不意味着适用所有非平稳过程。
原文摘要
Summary Over recent decades increasingly more attention has been paid to the problem of how to fit a parametric model of time series with time-varying parameters. A typical example is given by autoregressive models with time-varying parameters. We propose a procedure to fit such time-varying models to general non-stationary processes. The estimator is a maximum Whittle likelihood estimator on sieves. The results do not assume that the observed process belongs to a specific class of time-varying parametric models. We discuss in more detail the fitting of time-varying AR(p) processes for which we treat the problem of the selection of the order p, and we propose an iterative algorithm for the computation of the estimator. A comparison with model selection by Akaike's information criterion is provided through simulations.