Quantile-Crossing Spectrum and Spline Autoregression Estimation
分位数穿越谱及其样条自回归估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究时间序列的分位数穿越谱和自回归谱估计，直接属于时间序列分析。
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
分位数穿越谱及其样条自回归估计
- 研究问题
- 如何联合估计频率与分位数水平上的分位数穿越谱，利用不同分位数之间的平滑性，更细致地刻画时间序列依赖？
- 方法与思路
- 作者对多个分位数的穿越指示序列联合拟合自回归模型，将系数表示为分位数水平的样条函数，并惩罚粗糙度。
- 材料陈述的贡献
- 摘要称，当真实谱随分位数水平平滑变化时，样条自回归可比忽略这种平滑性的替代方法获得更准确的谱估计。
- 阅读关注点
- 应核对穿越过程的定义、分位数估计误差、样条和平滑参数选择，以及精度改善对谱平滑性和自回归阶数的依赖。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要仅报告特定平滑情形下的数值优势，未说明理论保证及非平滑情形表现。
原文摘要
The quantile-crossing spectrum is the spectrum of quantile-crossing processes created from a time series by the indicator function that shows whether or not the time series lies above or below a given quantile at a given time. This bivariate function of frequency and quantile level provides a richer view of serial dependence than that offered by the ordinary spectrum. We propose a new method for estimating the quantile-crossing spectrum as a bivariate function of frequency and quantile level. The proposed method, called spline autoregression (SAR), jointly fits an AR model to the quantile-crossing series across multiple quantiles; the AR coefficients are represented as spline functions of the quantile level and penalized for their roughness. Numerical experiments show that when the underlying spectrum is smooth in quantile level the proposed method is able to produce more accurate estimates in comparison with the alternative that ignores the smoothness.