Flexible conditional density estimation for time series
时间序列的灵活条件密度估计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。
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：摘要直接研究时间序列条件密度估计；提及 GARCH 仅是方法比较，未明确金融对象，不据此增加金融波动率分类。
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…
时间序列的灵活条件密度估计
- 研究问题
- 如何为时间序列构造可适配不同回归学习器的非参数条件密度估计，使其收敛表现能够随所选回归方法与数据结构调整？
- 方法与思路
- 作者提出 FlexCodeTS，允许基于任意回归方法构建条件密度估计，研究速率继承性质，并在模拟和真实数据中与 NNKCDE、GARCH 比较。
- 材料陈述的贡献
- 摘要称，FlexCodeTS 继承所选回归方法的收敛速度，并在所选比较方法中通常获得较好的条件密度损失或分位数损失表现。
- 阅读关注点
- 核对速率继承所需的序列依赖与正则性条件、密度构造和调参步骤，以及比较实验的数据划分、损失计算和基准配置。
- 阅读边界
- 所用版本为 arXiv 预印本，同行评审或接收未核实；摘要未给出定理条件和数值差异，通常表现较好不构成普遍优越性保证。
原文摘要
This paper introduces FlexCodeTS, a new conditional density estimator for time series. FlexCodeTS is a flexible nonparametric conditional density estimator, which can be based on an arbitrary regression method. It is shown that FlexCodeTS inherits the rate of convergence of the chosen regression method. Hence, FlexCodeTS can adapt its convergence by employing the regression method that best fits the structure of data. From an empirical perspective, FlexCodeTS is compared to NNKCDE and GARCH in both simulated and real data. FlexCodeTS is shown to generally obtain the best performance among the selected methods according to either the CDE loss or the pinball loss.