The asymptotic distribution of nonparametric estimates of the Lyapunov exponent for stochastic time series
随机时间序列李雅普诺夫指数非参数估计的渐近分布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：摘要直接研究随机时间序列及混沌过程的李雅普诺夫指数估计，因此归入时间序列方法方向。
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
随机时间序列李雅普诺夫指数非参数估计的渐近分布
- 研究问题
- 如何对随机时间序列的李雅普诺夫指数进行非参数推断，以及不同过程情形为何对应不同的收敛速度与置信区间构造？
- 方法与思路
- 作者研究基于平滑的指数估计量，在两类情形下分别推导渐近分布，并据此构造置信区间，再用模拟数据应用这些程序。
- 材料陈述的贡献
- 摘要称，第一类情形可获得根号样本量一致性与渐近正态性；更相关于混沌过程的第二类情形则以较慢速度渐近正态。
- 阅读关注点
- 应核对两类情形的划分条件、平滑参数要求、较慢收敛速度的具体表达，以及置信区间所需方差估计与模拟设计。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；具体正则条件、第二类收敛速度及有限样本覆盖率未说明，不能推断其他版本变化。
原文摘要
This paper derives the asymptotic distribution of a smoothing-based estimator of the Lyapunov exponent for a stochastic time series under two general scenarios. In the first case, we are able to establish root-T consistency and asymptotic normality, while in the second case, which is more relevant for chaotic processes, we are only able to establish asymptotic normality at a slower rate of convergence. We provide consistent confidence intervals for both cases. We apply our procedures to simulated data.