LAD ASYMPTOTICS UNDER CONDITIONAL HETEROSKEDASTICITY WITH POSSIBLY INFINITE ERROR DENSITIES
误差密度可能无穷时条件异方差下的 LAD 渐近理论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：摘要明确研究具有条件异方差和序列相关的线性时间序列估计。
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…
误差密度可能无穷时条件异方差下的 LAD 渐近理论
- 研究问题
- 在线性时间序列存在条件异方差和序列相关时，若不要求误差密度有限，最小绝对偏差估计还能获得怎样的极限理论？
- 方法与思路
- 作者研究线性时间序列模型的最小绝对偏差估计，在允许条件异方差及序列相关的框架中放宽标准误差密度条件。
- 材料陈述的贡献
- 摘要称建立了无需误差密度有限条件的 LAD 极限理论，并指出该结果尤其适用于金融时间序列的 LAD 估计。
- 阅读关注点
- 应核对误差密度无穷的具体含义、替代正则条件、估计量的归一化速度与极限分布，以及序列相关如何进入推断。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定具体极限分布和推断步骤；提及金融应用不等于已展示实证表现或普遍优势。
原文摘要
Least absolute deviations (LAD) estimation of linear time series models is considered under conditional heteroskedasticity and serial correlation. The limit theory of the LAD estimator is obtained without assuming the finite density condition for the errors that is required in standard LAD asymptotics. The results are particularly useful in application of LAD estimation to financial time series data.