A crossvalidation method for estimating conditional densities
条件密度估计的交叉验证方法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：摘要明确包含国库券风险价值与转移密度估计，分别对应金融风险和时间序列方向。
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
条件密度估计的交叉验证方法
- 研究问题
- 如何为双核局部线性条件密度估计选择平滑参数，并比较不同带宽规则在模拟及国库券转移密度和风险价值估计中的表现？
- 方法与思路
- 作者扩展交叉验证，以积分平方误差为选择目标，并通过模拟与另外三种带宽规则比较，再应用于国库券数据。
- 材料陈述的贡献
- 摘要称，新规则在所考察模拟中表现突出，并展示其用于估计国库券转移密度及风险价值的应用。
- 阅读关注点
- 应核对交叉验证准则如何计算、两个平滑参数如何联合选择，以及模拟比较和风险价值应用的评估指标。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；优势限于作者报告的比较，具体数值、尾部表现及应用假设未提供。
原文摘要
We extend the idea of crossvalidation to choose the smoothing parameters of the ‘double-kernel’ local linear regression for estimating a conditional density. Our selection rule optimises the estimated conditional density function by minimising the integrated squared error. We also discuss three other bandwidth selection rules, an ad hoc method used by Fan et al. (1996), a bootstrap method of Hall et al. (1999) for bandwidth selection in the estimation of conditional distribution functions, modified by Bashtannyk & Hyndman (2001) to cover conditional density functions, and finally a simple approach proposed by Hyndman & Yao (2002). The performance of the new approach is compared with these three methods by simulation studies, and our method performs outstandingly well. The method is illustrated by an application to estimating the transition density and the Value-at-Risk of treasury-bill data.