Conditional correlation estimation and serial dependence identification
条件相关估计与序列依赖识别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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究序列依赖识别并提出条件自相关函数。
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…
条件相关估计与序列依赖识别
- 研究问题
- 如何利用分位数诱导集合上的条件相关识别非线性依赖，并将这一局部相关概念扩展为时间序列的依赖诊断工具？
- 方法与思路
- 作者研究一般与序列依赖情形下的条件相关估计量及统计性质，定义条件自相关函数，并以一系列例子展示用途。
- 材料陈述的贡献
- 摘要称将已有的条件相关刻画独立性思路推进到统计估计和序列依赖识别，提供估计方法、性质讨论及应用示例。
- 阅读关注点
- 应核对条件集合的选择、低概率集合中的估计稳定性、序列依赖下的统计条件，以及独立性刻画如何转为可用诊断。
- 阅读边界
- 这是预印本，不能据此认定已同行评审或期刊接收；摘要未给出具体渐近条件、检验校准方法或相对既有工具的数值优势。
原文摘要
It has been recently shown in Jaworski, P., Jelito, D. and Pitera, M. (2024), 'A note on the equivalence between the conditional uncorrelation and the independence of random variables', Electronic Journal of Statistics 18(1), that one can characterise the independence of random variables via the family of conditional correlations on quantile-induced sets. This effectively shows that the localized linear measure of dependence is able to detect any form of nonlinear dependence for appropriately chosen conditioning sets. In this paper, we expand this concept, focusing on the statistical properties of conditional correlation estimators and their potential usage in serial dependence identification. In particular, we show how to estimate conditional correlations in generic and serial dependence setups, discuss key properties of the related estimators, define the conditional equivalent of the autocorrelation function, and provide a series of examples which prove that the proposed framework could be efficiently used in many practical econometric applications.