Adaptive estimation in time-series models
时间序列模型中的自适应估计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：摘要直接研究半参数时间序列，并列出 ARMA、TAR 和 ARCH 等时间序列模型。
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…
时间序列模型中的自适应估计
- 研究问题
- 在半参数时间序列模型中，何种条件能够建立局部渐近正态性，并据此对有限维参数的全部或一部分进行自适应估计？
- 方法与思路
- 作者在适用于多类时间序列的框架中建立 LAN 结果，重点研究群模型和时变位置尺度模型，并讨论 ARMA、TAR、ARCH 等例子。
- 材料陈述的贡献
- 摘要称在较精简的条件下获得 LAN 结果并构造自适应估计量，同时将所提框架与既有文献及若干常见模型对照。
- 阅读关注点
- 应核对 LAN 所需条件、可自适应估计的参数范围及其效率基准，并查看这些条件在各示例模型中如何验证。
- 阅读边界
- 仅据版本未注明的索引摘要，无法判断具体模型是否满足条件；摘要未给出估计公式、有限样本表现或完整效率结论。
原文摘要
In a framework particularly suited for many time-series models we obtain a LAN result under quite natural and economical conditions. This enables us to construct adaptive estimators for (part of) the Euclidean parameter in these semiparametric models. Special attention is directed to group models in time series with the important subclass of models with time varying location and scale. Our set-up is confronted with the existing literature and, as examples, we reconsider linear regression and ARMA, TAR and ARCH models.