Nonparametric estimation in null recurrent time series
零常返时间序列中的非参数估计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：摘要明确讨论非平稳时间序列、零常返过程及协整模型的潜在应用。
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
零常返时间序列中的非参数估计
- 研究问题
- 在零常返马尔可夫链所描述的非平稳时间序列中，如何估计局部密度、条件均值和条件方差，并刻画收敛速度？
- 方法与思路
- 作者利用分裂链构造独立同分布的再生区块，在返回时间尾部条件下建立带平滑参数的函数和的弱收敛结果。
- 材料陈述的贡献
- 摘要称由极限结果得到相关估计量的一致性与渐近正态性，并指出收敛慢于平稳情形、速度取决于返回时间尾部。
- 阅读关注点
- 应核对零常返框架、返回时间尾部条件、平滑参数选择与归一化方式，以及向协整模型应用时还需要哪些条件。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；摘要只提示协整应用，未给出具体模型、收敛率公式或实证结果。
原文摘要
We develop a nonparametric estimation theory in a nonstationary environment, more precisely in the framework of null recurrent Markov chains. An essential tool is the split chain, which makes it possible to decompose the times series under consideration into independent and identical parts. A tail condition on the distribution of the recurrence time is introduced. This condition makes it possible to prove weak convergence results for sums of functions of the process depending on a smoothing parameter. These limit results are subsequently used to obtain consistency and asymptotic normality for local density estimators and for estimators of the conditional mean and the conditional variance. In contradistinction to the parametric case, the convergence rate is slower than in the stationary case, and it is directly linked to the tail behavior of the recurrence time. Applications to econometric, and in particular to cointegration models, are indicated.