On F -modelling-based empirical Bayes estimation of variances
基于 F 建模的方差经验贝叶斯估计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：摘要研究通用多方差经验贝叶斯估计，没有时间变化波动率、金融数据或其他所列方向的明确证据。
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
基于 F 建模的方差经验贝叶斯估计
- 研究问题
- 仅给定多个样本方差时，如何利用其边际分布构造总体方差的经验贝叶斯估计，并理解不同损失函数的影响？
- 方法与思路
- 作者在任意方差先验下推导不同损失对应的贝叶斯估计；特定损失下估计仅依赖样本方差边际累积分布，再用经验分布替代。
- 材料陈述的贡献
- 摘要称，研究由此得到基于 F 建模的方差经验贝叶斯估计量，提供其理论性质，并用模拟和真实数据展示优点。
- 阅读关注点
- 应核对样本方差的抽样模型、特定损失函数、经验分布替代的条件，以及理论性质和比较优势采用的评价标准。
- 阅读边界
- 仅依据所给 Crossref 摘要；摘要未说明抽样模型、具体损失或理论保证，通用方差估计不能直接视为金融波动率方法。
原文摘要
Summary We consider the problem of empirical Bayes estimation of multiple variances when provided with sample variances. Assuming an arbitrary prior on the variances, we derive different versions of the Bayes estimators using different loss functions. For one particular loss function, the resulting Bayes estimator relies on the marginal cumulative distribution function of the sample variances only. When replacing it with the empirical distribution function, we obtain an empirical Bayes version called the $F$-modelling-based empirical Bayes estimator of variances. We provide theoretical properties of this estimator, and further demonstrate its advantages through extensive simulations and real data analysis.