Functional index coefficient models with variable selection
具有变量选择的函数型指数系数模型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：摘要明确研究半参数时间序列与函数型指数系数自回归，并用于资产收益可预测性分析，支持时间序列和收益预测分类。
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
具有变量选择的函数型指数系数模型
- 研究问题
- 在参数部分与非参数函数系数具有不同收敛速度的半参数时间序列模型中，如何选择变量并建立选择后的估计性质？
- 方法与思路
- 作者使用 SCAD 惩罚进行两步选择，先筛选具有函数系数的协变量，再选择参数系数变量，并开展模拟和收益预测应用。
- 材料陈述的贡献
- 摘要称两步估计量具有一致性、稀疏性和预言机性质，并以资产收益可预测性的实证例子展示方法的应用。
- 阅读关注点
- 应核对两步选择的衔接、惩罚参数与非参数估计设置、预言机性质的条件，以及收益可预测性如何通过样本外证据评价。
- 阅读边界
- 仅据所给出版社摘要，无法判断变量选择稳定性或预测提升幅度；预言机性质是条件性渐近结论，不保证有限样本选择正确。
原文摘要
We consider model (variable) selection in a semi-parametric time series model with functional coefficients. Variable selection in the semi-parametric model must account for the fact that the parametric part of the model is estimated at a faster convergence rate than the nonparametric component. Our variable selection procedures employ a smoothly clipped absolute deviation penalty function and consist of two steps. The first is to select covariates with functional coefficients that enter in the semi-parametric model. Then, we perform variable selection for variables with parametric coefficients. The asymptotic properties, such as consistency, sparsity and the oracle property of these two-step estimators are established. A Monte Carlo simulation study is conducted to examine the finite sample performance of the proposed estimators and variable selection procedures. Finally, an empirical example exploring the predictability of asset returns demonstrates the practical application of the proposed functional index coefficient autoregressive models and variable selection procedures.