Simultaneous nonparametric inference of time series
时间序列的同时非参数推断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：摘要直接研究平稳时间序列的非参数推断，并为美国国债利率模型中的波动函数构造置信带，支持这两个细分方向。
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
时间序列的同时非参数推断
- 研究问题
- 对平稳时间序列的边际密度和回归函数进行核估计时，如何刻画最大估计偏差，并构造覆盖整条函数的同时置信带？
- 方法与思路
- 作者分析核估计最大偏差经适当中心化与缩放后的极限分布，据此构造同时置信带，并用于拟合优度检验。
- 材料陈述的贡献
- 摘要称，最大偏差对广泛时间序列具有 Gumbel 极限，推广了独立或 β 混合情形，并应用于短期利率漂移和波动函数。
- 阅读关注点
- 应核对允许的依赖结构、核与带宽条件、中心化和缩放方式，以及利率应用中漂移和波动函数置信带的构造。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列具体依赖条件、置信带覆盖误差或应用数值，不能推断刊本变化。
原文摘要
We consider kernel estimation of marginal densities and regression functions of stationary processes. It is shown that for a wide class of time series, with proper centering and scaling, the maximum deviations of kernel density and regression estimates are asymptotically Gumbel. Our results substantially generalize earlier ones which were obtained under independence or beta mixing assumptions. The asymptotic results can be applied to assess patterns of marginal densities or regression functions via the construction of simultaneous confidence bands for which one can perform goodness-of-fit tests. As an application, we construct simultaneous confidence bands for drift and volatility functions in a dynamic short-term rate model for the U.S. Treasury yield curve rates data.