Adaptive variance function estimation in heteroscedastic nonparametric regression
异方差非参数回归中方差函数的自适应估计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：摘要研究通用非参数回归的方差函数，未涉及金融资产、条件波动率过程或其他指定应用。
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
异方差非参数回归中方差函数的自适应估计
- 研究问题
- 当均值函数和方差函数的平滑程度均未知时，如何自适应估计异方差回归的方差函数，并控制逐点和整体估计风险？
- 方法与思路
- 作者对观测的一阶差分平方施加小波阈值处理，构造数据驱动估计量，并分别研究逐点平方误差和全局积分平方误差。
- 材料陈述的贡献
- 摘要称估计量在一组平滑类别上达到逐点最优自适应速率；全局风险在空间非均匀函数类上距极小极大风险至多差对数因子。
- 阅读关注点
- 应核对设计点与误差条件、均值平滑性如何影响方差估计、函数类与阈值选择，以及逐点和全局风险结论的区别。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；具体函数类、速率表达式及模拟数值未说明，回归异方差也不能直接等同于金融波动率。
原文摘要
We consider a wavelet thresholding approach to adaptive variance function estimation in heteroscedastic nonparametric regression. A data-driven estimator is constructed by applying wavelet thresholding to the squared first-order differences of the observations. We show that the variance function estimator is nearly optimally adaptive to the smoothness of both the mean and variance functions. The estimator is shown to achieve the optimal adaptive rate of convergence under the pointwise squared error simultaneously over a range of smoothness classes. The estimator is also adaptively within a logarithmic factor of the minimax risk under the global mean integrated squared error over a collection of spatially inhomogeneous function classes. Numerical implementation and simulation results are also discussed.