SEMIPARAMETRIC EFFICIENCY BOUND IN TIME-SERIES MODELS FOR CONDITIONAL QUANTILES
条件分位数时间序列模型的半参数效率界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：摘要明确讨论动态时间序列的条件分位数与效率界，支持时间序列及分位数分类。
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
条件分位数时间序列模型的半参数效率界
- 研究问题
- 对于动态条件分位数模型，如何在强混合设定下确定半参数效率界，并构造与该效率界对应的最不利参数子模型？
- 方法与思路
- 作者构造包含数据生成过程的参数子模型，比较其 MLE 与一致且渐近正态的条件分位数 M 估计量的渐近协方差。
- 材料陈述的贡献
- 摘要称，这类 M 估计量的最小渐近协方差等于子模型 MLE 的协方差，由此识别最不利子模型并给出半参数效率界。
- 阅读关注点
- 应核对强混合及其他正则条件、条件分位数限制、所比较的 M 估计量类别，以及效率界是否有可实施的达到方法。
- 阅读边界
- 仅依据所给 Crossref 摘要；不能把摘要所称强混合条件理解为无需其他定义与正则条件，效率界也不等于已提供可行最优估计量。
原文摘要
We derive the semiparametric efficiency bound in dynamic models of conditional quantiles under a sole strong mixing assumption. We also provide an expression of Stein’s (1956) least favorable parametric submodel. Our approach is as follows: First, we construct a fully parametric submodel of the semiparametric model defined by the conditional quantile restriction that contains the data generating process. We then compare the asymptotic covariance matrix of the MLE obtained in this submodel with those of the M-estimators for the conditional quantile parameter that are consistent and asymptotically normal. Finally, we show that the minimum asymptotic covariance matrix of this class of M-estimators equals the asymptotic covariance matrix of the parametric submodel MLE. Thus, (i) this parametric submodel is a least favorable one, and (ii) the expression of the semiparametric efficiency bound for the conditional quantile parameter follows.