×
莱昂内尔·特鲁奎特

半参数自回归时间序列模型中边际密度的根一致估计。 （英语） Zbl 1466.62391号

伯努利 25，第3期，2107-2136（2019）.
摘要：在本文中，我们考虑了一些条件均值和方差具有参数规范的自回归时间序列模型的边际密度估计问题。在一些正则性条件下，我们证明了即使噪声密度未知，基于残差的核类型估计也可以是根一致的。我们的结果大大扩展了文献中已有的结果。我们对一些标准时间序列模型（如ARMA或GARCH过程）的假设进行了仔细检查。通过结合一些鞅型参数和对独立感兴趣的时间序列的耦合方法，得到了我们估计量的渐近展开式。我们还研究了紧区间上估计量的一致收敛性。

引用于1文件

MSC公司：

62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62克07 密度估算
6220国集团 非参数推理的渐近性质

关键词：

核密度估计;非线性时间序列
PDF格式BibTeX公司 XML格式引用
\textit{L.Truquet}，Bernoulli 25，No.3，2107--2136（2019；Zbl 1466.62391）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] 阿伊特·萨哈利亚，Y.（1996年）。测试即期利率的连续时间模型。财务版次。螺柱9 385-426。
[2] Ango Nze，P.和Doukhan，P.（1998年）。时间序列的函数估计：一致收敛性质。J.统计。计划。推断68 5-29·Zbl 0951.62074号
[3] Bosq，D.（1998）。随机过程的非参数统计：估计和预测，第二版，统计学课堂讲稿110。纽约：斯普林格·Zbl 0902.62099号
[4] Brockwell，P.J.和Davis，R.A.（1991年）。《时间序列：理论与方法》，第二版，《统计学中的斯普林格序列》。纽约：斯普林格·Zbl 0709.62080号
[5] Corradi，V.和Swanson，N.R.（2005年）。扩散过程的引导规范测试。《计量经济学杂志》124 117-148·Zbl 1337.62193号
[6] Dedecker，J.、Doukhan，P.、Lang，G.、León，J.R.、Louhichi，S.和Prieur，C.（2007年）。弱依赖：示例和应用。统计学课堂笔记190。纽约：斯普林格·Zbl 1165.62001号
[7] Delaigle，A.、Meister，A.和Rombouts，J.（2016）。GARCH模型中的根一致密度估计。《计量经济学杂志》192 55-63·Zbl 1419.62225号
[8] Doukhan，P.和Louhichi，S.（2001年）。在新的弱相关条件下密度的泛函估计。扫描。《美国联邦法律大全》第28卷第325-341页·Zbl 0973.62030号
[9] Francq，C.和Zakoian，J.-M.（2010年）。GARCH模型：结构、统计推断和金融应用。奇切斯特：威利·Zbl 1431.62004号
[10] Francq，C.和Zakoian，J.-M.（2013）。估计时间序列的边际律，并将其应用于重尾分布。J.总线。经济。统计31 412-425。
[11] Frees，E.W.（1994）。估计观测函数的密度。J.艾默。统计师。协会89 517-525·Zbl 0798.62051号
[12] Gao，J.和King，M.（2004）。连续时间扩散模型中的自适应测试。计量经济学20 844-882·兹比尔1071.62068
[13] Giné，E.和Mason，D.M.（2007年）。关于局部U统计过程和几个样本变量函数密度的估计。统计年鉴35 1105-1145·Zbl 1175.60017号
[14] Kim，K.H.、Zhang，T.和W.B.（2015）。非线性自回归模型的参数规格检验。计量经济学31 1078-1101·Zbl 1441.62774号
[15] Li，S.和Tu，Y.（2016）\半参数回归模型中的（sqrt{n}）-一致密度估计。计算。统计师。数据分析104 91-109·兹比尔1466.62143
[16] Liao，Y.和Stachurski，J.（2015）。使用协变量数据对时间序列进行基于模拟的密度估计。J.总线。经济。统计33 595-606。
[17] Liu，W.和Wu，W.B.（2010）。时间序列的同时非参数推断。统计年鉴38 2388-2421·Zbl 1202.62048号
[18] 穆勒，美国（2012）。估计非线性回归中可能缺失的响应变量的密度。J.统计。计划。推断142 1198-1214·Zbl 1300.62030
[19] P.M.罗宾逊（1983）。时间序列的非参数估计。《时间序列分析》，第4期，185-207年·Zbl 0544.62082号
[20] Roussas，G.G.（2000年）。关联下概率密度函数核估计的渐近正态性。统计师。普罗巴伯。第50页1-12·Zbl 0958.62048号
[21] 阿拉巴马州萨维德拉。和Cao，R.（1999）。MA（1）过程边际密度的卷积型估计的收敛速度。随机过程。申请80 129-155·Zbl 0954.62044号
[22] Schick，A.和Wefelmeyer，W.（2004）。移动平均过程的根一致和最优密度估计。扫描。J.统计.31 63-78·Zbl 1053.62045号
[23] Schick，A.和Wefelmeyer，W.（2004）。独立随机变量和的根一致密度估计。J.非参数。统计16 925-935·Zbl 1062.62065号
[24] Schick，A.和Wefelmeyer，W.（2007年）。弱相依可逆线性过程的一致根一致密度估计。统计年鉴35 815-843·Zbl 1117.62036号
[25] Schick，A.和Wefelmeyer，W.（2009年）。观测幂和密度估计的收敛速度。Metrika69 249-264·Zbl 1433.62107号
[26] Tong，H.（1990）。非线性时间序列：动态系统方法。牛津统计科学系列6。纽约：克拉伦登出版社，牛津大学出版社·Zbl 0716.62085号
[27] Truquet，L.（2018）。补充“半参数自回归时间序列模型中边际密度的根一致估计”DOI:10.3150/18-BEJ1047SUPP·Zbl 1466.62391号
[28] van der Vaart，A.W.（1998）。渐进统计。剑桥统计与概率数学系列3。剑桥：剑桥大学出版社·Zbl 0910.62001号
[29] Zhao，Z.（2010）。条件异方差非线性参数模型的密度估计。《计量经济学杂志》155 71-82·Zbl 1431.62430号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。