Linear double autoregression
线性双重自回归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：摘要核心是自回归序列的平稳性、条件均值与条件尺度建模，未明确金融场景或分布效应，因此优先归入时间序列。
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
线性双重自回归
- 研究问题
- 如何构造兼容分位数回归的条件异方差自回归模型，并同时处理平稳性、有效估计、模型选择及均值与尺度设定检验？
- 方法与思路
- 作者提出线性双重自回归模型和双重加权分位数估计，分别利用权重保障渐近正态性、平衡多个分位点，并构造选模与检验工具。
- 材料陈述的贡献
- 摘要称给出严格平稳解存在的充要条件，提出BIC及均值、尺度拟合优度检验，模拟和实证示例支持所提工具的用途。
- 阅读关注点
- 应核对均值与尺度方程、平稳充要条件、两组权重的构造和效率准则，以及多分位点组合、BIC与检验的适用条件。
- 阅读边界
- 所给出版社摘要未说明具体平稳条件、效率比较对象或实证数据；不能据此认定该模型适用于所有异方差序列或金融市场。
原文摘要
This paper proposes the linear double autoregression, a conditional heteroscedastic model with a conditional mean structure but compatible with the quantile regression. The existence of a strictly stationary solution is discussed, for which a necessary and sufficient condition is established. A doubly weighted quantile regression estimation procedure is introduced, where the first set of weights ensures the asymptotic normality of the estimator and the second set improves its efficiency through balancing individual quantile regression estimators across multiple quantile levels. Bayesian information criteria are proposed for model selection, and two goodness-of-fit tests are constructed to check the adequacy of the fitted conditional mean and conditional scale structures. Simulation studies indicate that the proposed inference tools perform well in finite samples, and an empirical example illustrates the usefulness of the new model.