Recursive Estimation in Non-Linear Time Series Models of Autoregressive Type
非线性自回归型时间序列模型的递归估计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：摘要直接研究非线性自回归过程及时间序列的递归估计。
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
非线性自回归型时间序列模型的递归估计
- 研究问题
- 对于一维非线性自回归过程，如何构造适合持续到达数据的自适应递归估计，并研究其渐近性质与计算上的实用性？
- 方法与思路
- 作者将自适应估计原则用于非标准的一维非线性自回归模型，形成递归估计量，推导渐近性质，并以特殊应用和模拟作说明。
- 材料陈述的贡献
- 摘要强调递归结构适合数据流计算，并称在较弱假设下得到渐近结果；关于最小二乘可能较差的判断没有给出具体比较结果。
- 阅读关注点
- 应核对递归更新式、初始化和自适应机制，所谓较弱假设的具体内容，以及与最小二乘比较时采用的模型和评价指标。
- 阅读边界
- 仅据所给 Crossref 摘要；具体渐近结论、正则条件和模拟结果未说明，不能据此认定方法普遍优于最小二乘或推断刊本变化。
原文摘要
SUMMARY An adaptive estimation principle is considered for non-standard time series models; non-linear autoregressive processes in one dimension. Because of the recursive nature of the resulting estimator, it is computationally appealing, especially when a time series is considered as a flow of data. The least squares estimator is, for example, quite likely to be inferior. Asymptotic properties are derived under fairly weak assumptions, and special applications are considered. Monte Carlo simulations are used for illustration.