A class of priors to perform asymmetric Bayesian wavelet shrinkage
用于非对称贝叶斯小波收缩的一类先验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：主体是通用非参数回归与小波收缩，仅有股指序列示例不足以确定具体经济金融细分方向。
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…
关注这篇论文的作者
用于非对称贝叶斯小波收缩的一类先验
- 研究问题
- 在高斯误差的非参数回归中，如何用非对称先验构造小波收缩规则，并评价这些规则的偏差、方差与统计风险？
- 方法与思路
- 作者将零点质量与非对称贝塔、Kumaraswamy、非对称三角或偏正态分布混合，数值分析收缩性质并开展模拟。
- 材料陈述的贡献
- 摘要提出一类非对称小波先验，数值讨论对应收缩规则的平方偏差、方差和风险，并展示股市指数序列应用。
- 阅读关注点
- 应核对先验参数与非对称方向如何设定、收缩规则的推导、风险计算及模拟基准，以及股指应用的评价目标。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未声称普遍优于标准方法，也未说明预测或金融风险目标。
原文摘要
This paper proposes a class of asymmetric priors to perform Bayesian wavelet shrinkage in the standard nonparametric regression model with Gaussian error. The priors are composed by mixtures of a point mass function at zero and one of the following distributions: asymmetric beta, Kumaraswamy, asymmetric triangular or skew normal. Statistical properties of the associated shrinkage rules such as squared bias, variance and risks are obtained numerically and discussed. Monte Carlo simulation studies are described to evaluate the performances of the rules against standard techniques. An application of the asymmetric rules to a stock market index time series is also illustrated.