REGRESSION QUANTILES FOR TIME SERIES
时间序列的回归分位数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：摘要明确研究依赖时间序列的条件分布和回归分位数，支持时间序列与分位数分布方向。
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
时间序列的回归分位数
- 研究问题
- 面对具有依赖性的时间序列，如何非参数估计条件分布及回归分位数，同时兼顾边界表现，并确保估计的条件分布本身是合法分布？
- 方法与思路
- 作者先用加权 Nadaraya–Watson 方法估计条件分布，再通过反演获得条件分位数，在 α 混合条件下分析边界和内部点的渐近性质。
- 材料陈述的贡献
- 摘要称，两类估计量在相关条件下弱一致且渐近正态；分布估计保留局部线性双核方法的偏差、方差与边界性质，并始终构成分布。
- 阅读关注点
- 应核对权重构造、α 混合及带宽条件、分位数反演的正则要求，以及边界性质与比较方法之间的准确关系，并查看模拟和实例。
- 阅读边界
- 所给 Crossref 摘要未说明完整条件、模拟数值或实例数据；所述性质不能直接推广到任意依赖过程、极端分位数或有限样本。
原文摘要
In this paper we study nonparametric estimation of regression quantiles for time series data by inverting a weighted Nadaraya–Watson (WNW) estimator of conditional distribution function, which was first used by Hall, Wolff, and Yao (1999, Journal of the American Statistical Association 94, 154–163). First, under some regularity conditions, we establish the asymptotic normality and weak consistency of the WNW conditional distribution estimator for α-mixing time series at both boundary and interior points, and we show that the WNW conditional distribution estimator not only preserves the bias, variance, and, more important, automatic good boundary behavior properties of local linear “double-kernel” estimators introduced by Yu and Jones (1998, Journal of the American Statistical Association 93, 228–237), but also has the additional advantage of always being a distribution itself. Second, it is shown that under some regularity conditions, the WNW conditional quantile estimator is weakly consistent and normally distributed and that it inherits all good properties from the WNW conditional distribution estimator. A small simulation study is carried out to illustrate the performance of the estimates, and a real example is also used to demonstrate the methodology.