NONPARAMETRIC DENSITY ESTIMATION BY B-SPLINE DUALITY
利用 B 样条对偶性的非参数密度估计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：摘要明确将金融和经济市场的高频数据分析列为该密度估计方法的适用方向。
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…
利用 B 样条对偶性的非参数密度估计
- 研究问题
- 如何利用函数空间中的框架与 Riesz 基理论构造非参数密度估计量，并确定其带宽选择及与现有密度估计方法的关系？
- 方法与思路
- 作者基于 B 样条构造双正交密度估计量，推导理论性质及渐近最优带宽，并与局部基方法和核密度估计开展理论比较。
- 材料陈述的贡献
- 摘要称，提出了具有理论性质和渐近最优带宽选择的新密度估计量，并认为该估计量特别适合金融与经济市场的高频数据分析。
- 阅读关注点
- 应核对双正交基的构造、密度估计的约束和误差标准、最优带宽依赖的条件，以及高频数据中的依赖性如何被处理。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体损失函数、依赖条件及高频实证表现未说明，适用性陈述不能视为已验证的全面优势或刊本变化。
原文摘要
In this article, we propose a new nonparametric density estimator derived from the theory of frames and Riesz bases. In particular, we propose the so-called bi-orthogonal density estimator based on the class of B-splines and derive its theoretical properties, including the asymptotically optimal choice of bandwidth. Detailed theoretical analysis and comparisons of our estimator with existing local basis and kernel density estimators are presented. The estimator is particularly well suited for high-frequency data analysis in financial and economic markets.