Testing and estimation of thresholds based on wavelets in heteroscedastic threshold autoregressive models
异方差门限自回归模型的门限小波检验与估计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：摘要明确研究异方差门限自回归过程，支持时间序列分类，但不足以归为时间结构变化。
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
异方差门限自回归模型的门限小波检验与估计
- 研究问题
- 在异方差门限自回归模型中，门限个数未知时，如何检验门限结构并一致估计门限位置及门限数量？
- 方法与思路
- 作者以经验小波系数构造检验统计量，分析其渐近分布，并提出门限位置和数量的估计方法，以模拟和实例评价表现。
- 材料陈述的贡献
- 摘要称建立了小波检验统计量的渐近分布，并给出门限及门限个数的一致估计量，另提供蒙特卡洛与真实例子。
- 阅读关注点
- 应核对门限变量、小波基与尺度选择、异方差和依赖条件，以及门限间隔要求、数量选择规则和检验实施方式。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本；摘要未说明具体渐近条件及有限样本结果，也没有将门限解释为日历时间上的结构突变。
原文摘要
We consider the testing and estimation of thresholds in heteroscedastic threshold autoregressive models with an unknown number of thresholds. A test statistic based on empirical wavelet coefficients is proposed. The asymptotic distribution of the test statistic is established and consistent estimators of the thresholds and the number of thresholds are given. A Monte Carlo study and a real example are used to assess the performance of our method.