Efficient estimation in dynamic conditional quantile models
动态条件分位数模型的有效估计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：摘要明确研究时间序列数据中的条件分位数模型，对应时间序列与分位数方向。
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
动态条件分位数模型的有效估计
- 研究问题
- 在时间序列条件分位数模型中，如何构造达到半参数效率界的估计量，并避免直接估计条件密度所带来的困难？
- 方法与思路
- 作者提出一种 M 估计量，通过最小化含有条件分布函数非参数估计的目标函数求解，并用蒙特卡洛实验考察表现。
- 材料陈述的贡献
- 摘要称，该估计量达到已有研究推导的半参数效率界，其目标函数依赖条件分布估计而非条件密度估计。
- 阅读关注点
- 应核对时间序列依赖条件、条件分布估计方法及调节参数，理解效率界的适用范围与蒙特卡洛比较设计。
- 阅读边界
- 仅据所列出版社摘要，无法判断效率结论所需的具体条件、实现成本或有限样本优势，也不能推断其他版本变化。
原文摘要
In this paper we consider the problem of semiparametric efficient estimation in conditional quantile models with time series data. We construct an M-estimator which achieves the semiparametric efficiency bound recently derived by Komunjer and Vuong (forthcoming). Our efficient M-estimator is obtained by minimizing an objective function which depends on a nonparametric estimator of the conditional distribution of the variable of interest rather than its density. The estimator is new and not yet seen in the literature. We illustrate its performance through a Monte Carlo experiment.