Exponential Series Estimator of multivariate densities
多元密度的指数级数估计量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：摘要核心是一般多元密度估计，股票收益联合分布应用不足以明确归入定价、风险或预测方向。
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
多元密度的指数级数估计量
- 研究问题
- 如何利用具有信息论解释的指数级数形式估计多元密度，并刻画其在不同误差度量下的收敛与分布性质？
- 方法与思路
- 作者采用线性无关函数构造指数级数密度估计，研究多种收敛指标，并用正态混合、Copula 和股票收益作示例。
- 材料陈述的贡献
- 摘要称推导了 KL、积分平方误差等度量下的收敛率和几乎处处一致收敛率，并建立了某个对象的渐近正态性。
- 阅读关注点
- 应先核对摘要中缺失的估计公式与渐近正态对象，再检查基函数、截断阶数、支持集条件和多元维度的影响。
- 阅读边界
- 所列出版社摘要存在公式缺失，不能还原精确估计量或正态性对象；模拟评价也未提供数值与比较基准。
原文摘要
We present an Exponential Series Estimator (ESE) of multivariate densities, which has an appealing information-theoretic interpretation. For a d dimensional random variable with density p0, the ESE takes the form , where are some real-valued, linearly independent functions defined on the support of p0. We derive the convergence rate of the ESE in terms of the Kullback-Leibler Information Criterion, the integrated squared error and some other metrics. We also derive its almost sure uniform convergence rate. We then establish the asymptotic normality of . We undertake two sets of Monte Carlo experiments. The first experiment examines the ESE performance using mixtures of multivariate normal densities. The second estimates copula density functions. The results demonstrate the efficacy of the ESE. An empirical application on the joint distributions of stock returns is presented.