Nonparametric Quantile Estimations for Dynamic Smooth Coefficient Models
动态光滑系数模型的非参数分位数估计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：摘要明确研究光滑系数时间序列模型及α混合条件下的估计，直接对应时间序列方向。
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
动态光滑系数模型的非参数分位数估计
- 研究问题
- 对于系数平滑变化的时间序列模型，如何估计条件分位数关系，并处理序列依赖、带宽选择及边界处的估计表现？
- 方法与思路
- 作者采用局部多项式与局部常数分位数拟合，在α混合时间序列下研究渐近性质，并提出基于非参数AIC的带宽选择。
- 材料陈述的贡献
- 摘要称建立两类估计量的渐近性质及渐近协方差的一致估计，比较边界行为，并用模拟和真实数据展示建模潜力。
- 阅读关注点
- 应核对混合条件、系数与分位数的平滑要求、带宽准则，以及局部多项式和局部常数在边界处的具体差异。
- 阅读边界
- 材料是版本未注明的OpenAlex索引摘要；具体收敛速度、应用对象及比较结果未说明，不能推断刊本变化。
原文摘要
We suggest quantile regression methods for a class of smooth coefficient time series models. We use both local polynomial and local constant fitting schemes to estimate the smooth coefficients in a quantile framework. We establish the asymptotic properties of both the local polynomial and local constant estimators for α-mixing time series. We also suggest a bandwidth selector based on the nonparametric version of the Akaike information criterion, along with a consistent estimate of the asymptotic covariance matrix. We evaluate the asymptotic behaviors of the estimators at boundaries and compare the local polynomial quantile estimator and the local constant estimator. A simulation study is carried out to illustrate the performance of estimates. An empirical application of the model to real data further demonstrates the potential of the proposed modeling procedures.