Nonparametric and semiparametric regressions subject to monotonicity constraints: Estimation and forecasting
单调性约束下的非参数与半参数回归：估计与预测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：摘要明确以股权溢价预测为应用，并讨论预测误差的评价。
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
单调性约束下的非参数与半参数回归：估计与预测
- 研究问题
- 如何在非参数和半参数回归中施加单调性约束，并评价这种约束对估计、预测及较大预测误差的影响？
- 方法与思路
- 作者采用bagging构造受单调性约束的估计与预测方法，并以预测误差大小的二阶随机占优提出新的评价准则。
- 材料陈述的贡献
- 摘要称建立了估计量与预测的渐近性质，并通过模拟和股权溢价预测示例说明，单调约束可能减少大误差发生的机会。
- 阅读关注点
- 应核对bagging如何实现单调约束、渐近结果的条件，以及二阶随机占优准则如何比较不同大小的预测误差。
- 阅读边界
- 仅据所给出版社摘要，无法判断约束何时适合真实关系；摘要未给出模拟数值，不能将减少大误差理解为普遍预测优势。
原文摘要
This paper considers nonparametric and semiparametric regression models subject to monotonicity constraint. We use bagging as an alternative approach to Hall and Huang (2001). Asymptotic properties of our proposed estimators and forecasts are established. Monte Carlo simulation is conducted to show their finite sample performance. An application to predicting equity premium is taken for illustration. We introduce a new forecasting evaluation criterion based on the second order stochastic dominance in the size of forecast errors and compare models over different sizes of forecast errors. Imposing monotonicity constraint can mitigate the chance of making large size forecast errors.