Multivariate functional-coefficient regression models for nonlinear vector time series data
非线性向量时间序列的多元函数系数回归模型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：摘要直接研究非线性向量时间序列、协整与误差修正；未明确冲击识别、波动率估计或收益预测目标。
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
非线性向量时间序列的多元函数系数回归模型
- 研究问题
- 如何在向量时间序列中刻画随状态变化的非线性系数与异方差，并扩展模型以处理金融市场常见的协整关系？
- 方法与思路
- 作者提出异方差多元函数系数回归，用局部线性平滑估计未知系数矩阵并考虑带宽选择，另构造处理协整的误差修正形式。
- 材料陈述的贡献
- 摘要称，论文建立估计量的渐近正态性；模拟显示估计程序能捕捉系数的非线性结构，并以美国利率数据说明方法。
- 阅读关注点
- 应核对系数所依赖的状态变量、时间序列与异方差条件、带宽选择规则，以及误差修正模型如何引入和处理协整关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；渐近条件、协整设定和应用结果未提供，不能据此声称识别冲击或改善收益预测。
原文摘要
Vector time series data are widely met in practice. In this paper we propose a multivariate functional-coefficient regression model with heteroscedasticity for modelling such data. A local linear smoother is employed to estimate the unknown coefficient matrices. Asymptotic normality of the proposed estimators is established, and bandwidth selection is considered. To deal with the co-integration commonly observed in financial markets, we propose an error-corrected multivariate functional-coefficient model. Simulations show that our proposed estimation procedures capture nonlinear structures of coefficients well. Analysis of United States interest rates illustrates the proposed methods.