Nonparametric Estimation and Identification of Nonlinear ARCH Time Series Strong Convergence and Asymptotic Normality: Strong Convergence and Asymptotic Normality
非线性 ARCH 时间序列的非参数估计与识别：强收敛和渐近正态性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：摘要明确研究非线性 ARCH 型时间序列，其模型结构直接涉及波动率建模。
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 ARCH 时间序列的非参数估计与识别：强收敛和渐近正态性
- 研究问题
- 如何非参数地估计与识别非线性 ARCH 型计量系统中的函数结构，并建立估计量的强一致性、收敛速度和渐近正态性？
- 方法与思路
- 作者采用非参数核估计刻画系统中的非线性函数，在摘要所称温和正则条件下分析强收敛及其速度，并证明渐近正态性。
- 材料陈述的贡献
- 摘要称，论文建立相关核估计的强一致性、精确收敛速度与渐近正态性，为非线性 ARCH 函数结构的分析提供理论结果。
- 阅读关注点
- 应核对 ARCH 系统及被识别函数的定义、核与带宽条件、依赖性要求，并区分函数识别论证、强收敛和渐近正态性的条件。
- 阅读边界
- 仅依据所给 Crossref 摘要；所谓温和条件、具体收敛速率及识别论证未说明，也没有金融应用结果，不能推断一般适用性或其他版本变化。
原文摘要
We consider the estimation and identification of the functional structures of nonlinear econometric systems of the ARCH type. We employ nonparametric kernel estimates for the nonlinear functions characterizing the systems, and we establish strong consistency along with sharp rates of convergence under mild regularity conditions. We also prove the asymptotic normality of the estimates.