Nonparametric Identification of Nonlinear Time Series: Projections
非线性时间序列的非参数模型辨识：投影方法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：摘要直接研究非线性时间序列、加性建模与异方差结构辨识。
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
非线性时间序列的非参数模型辨识：投影方法
- 研究问题
- 如何利用非参数估计辨识线性与非线性时间序列的模型结构，并改进仅依赖条件均值和条件方差进行诊断的做法？
- 方法与思路
- 作者从条件均值与方差的核估计出发，引入投影作为模型辨识工具，推导渐近偏差与方差，并用模拟展示估计表现。
- 材料陈述的贡献
- 摘要称投影尤其适合加性建模，并建议使用条件方差的投影辨识异方差时间序列，提供相应渐近表达式与模拟说明。
- 阅读关注点
- 应核对投影的具体定义、加性结构及时间依赖条件、带宽选择，并分清这里的模型辨识与参数唯一识别的含义。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要，不能推断刊本变化；摘要未说明完整正则条件、模拟数值或对其他方法的普遍优势。
原文摘要
We study the possibility of identifying general linear and nonlinear time series models using nonparametric methods. The kernel estimators of the conditional mean and variance are used as a basis, and the properties of these quantities as model indicators are briefly discussed. Some drawbacks are pointed out, and motivated by these we introduce projections as tools of identification. The projections are especially useful for additive modeling. Expressions for the asymptotic bias and variance are obtained. The projection of the conditional variance is suggested as a tool for identifying heteroscedastic time series. The results are illustrated by simulations for both the estimators of the projections and the estimators of the conditional mean and variance.