Multiscale clustering of nonparametric regression curves
非参数回归曲线的多尺度聚类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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确以大量时间序列为研究对象并允许序列内依赖，支持时间序列分类，但未说明应用是否属于宏观经济。
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
非参数回归曲线的多尺度聚类
- 研究问题
- 研究大量时间序列共享少数非参数回归函数时，如何从数据中同时估计未知分组及组数，并减少平滑参数依赖。
- 方法与思路
- 作者构造不依赖传统带宽或平滑参数的多尺度分组估计器，并在允许时间和跨序列依赖的条件下分析其性质。
- 材料陈述的贡献
- 摘要称，论文提出同时估计组结构与组数的多尺度方法，给出相关统计理论，并以模拟和真实数据应用作补充。
- 阅读关注点
- 应核对多尺度比较与分组规则、组间可分辨条件、时间及横截面依赖限制，以及无需带宽是否仍需其他校准。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明具体理论保证、依赖条件或真实应用的数据对象。
原文摘要
In a wide range of modern applications, we observe a large number of time series rather than only a single one. It is often natural to suppose that there is some group structure in the observed time series. When each time series is modelled by a nonparametric regression equation, one may in particular assume that the observed time series can be partitioned into a small number of groups whose members share the same nonparametric regression function. We develop a bandwidth-free clustering method to estimate the unknown group structure from the data. More precisely speaking, we construct multiscale estimators of the unknown groups and their unknown number which are free of classical bandwidth or smoothing parameters. In the theoretical part of the paper, we analyze the statistical properties of our estimators. Our theoretical results are derived under general conditions which allow the data to be dependent both in time series direction and across different time series. The technical analysis of the paper is complemented by a simulation study and a real-data application.