Nonparametric Quantile Estimations for Dynamic Smooth Coefficient Models
动态平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 α 混合时间序列中的动态平滑系数分位数模型，未说明微观分布效应或金融应用。
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
动态平滑系数模型的非参数分位数估计
- 研究问题
- 对于系数平滑变化且观测具有序列依赖的时间序列模型，如何估计条件分位数关系，并处理带宽选择与边界表现？
- 方法与思路
- 作者采用局部多项式及局部常数分位数拟合，在 α 混合时间序列下研究渐近性质，并提出非参数信息准则带宽选择。
- 材料陈述的贡献
- 摘要称，论文建立两类估计量的渐近性质，提供渐近协方差的一致估计，分析边界行为，并开展方法比较、模拟及实证应用。
- 阅读关注点
- 应核对 α 混合强度、平滑性和带宽条件，比较两类估计量的边界偏差，并检查协方差估计及带宽选择的实现细节。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出渐近分布的具体形式、模拟数值或实证数据背景。
原文摘要
In this article, quantile regression methods are suggested 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. Also, a bandwidth selector based on the nonparametric version of the Akaike information criterion is suggested, together with a consistent estimate of the asymptotic covariance matrix. Furthermore, the asymptotic behaviors of the estimators at boundaries are examined. A comparison of the local polynomial quantile estimator with the local constant estimator is presented. 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.