非线性自回归序列L1估计的渐近分布

由于时间序列数据中经常出现的厚尾特征使得通常的估计方法不再具有渐近的正态分布,在误差项二阶矩有限的条件下考虑了非线性自回归序列的L_1估计.采用局部线性近似的方法得到了具有凸样本路径的随机过程,在此基础上利用凸样本路径随机过程弱收敛的性质证明了非线性自回归序列L_1估计的渐近正态性及无偏性.     

ACD模型自加权LAD估计的渐近性质

针对高频数据建模中常用的自回归条件持续期(ACD)模型,在允许误差方差无穷的条件下,构造模型参数的自加权最小一乘(SLAD)估计,并证明了该估计的相合性和渐近正态性.数值模拟显示SLAD估计比拟极大似然估计和最小一乘估计更稳健,最后将其应用于青岛海尔和宝信软件这两只股票的价格持续期建模.     

重尾非线性自回归模型自加权M-估计的渐近分布

考虑非线性自回归模型x_t=f(x_t-1,…,x_t-p,θ)+∈_t,其中θ为q维未知参数,{∈_t}为随机误差.在允许误差方差无穷的重尾条件下,构造θ的自加权M-估计,并证明了该估计的渐近正态性.最后通过数值模拟,在随机误差服从某些重尾分布的条件下,说明自加权M-估计比最小二乘和L₁估计更有效.     

ACD模型自加权LAD估计的渐近性质北大核心

针对高频数据建模中常用的自回归条件持续期(ACD)模型,在允许误差方差无穷的条件下,构造模型参数的自加权最小一乘(SLAD)估计,并证明了该估计的相合性和渐近正态性.数值模拟显示SLAD估计比拟极大似然估计和最小一乘估计更稳健,最后将其应用于青岛海尔和宝信软件这两只股票的价格持续期建模.     

带有干扰噪声的自回归过程的参数估计及渐近性质

本文讨论了带有干扰噪声的自回归过程Y(t)=X(t)+Z(t),其中X(t)为AR(p)序列,Z(t)、为干扰噪声序列的未知参数φ_1,…,φ_p,σ_g~2,σ_x~2,谱密度f(λ)的估计问题,对所给估计建立了强收敛速度和渐近正态性,并给出了模型阶的一种强相容估计方法。     

门限自回归模型参数估计的渐近性质

本文在给定门限自回归模型阶数、门限及延迟参数的情况下,通过研究模型所构成Markov链的一些性质,得到了自回归系数最小二乘法估计的强相容性与渐近正态性。同时,还证明了白噪声方差的估计亦具有强相容性。     

一类线性回归模型中核估计的渐近性质

考虑固定设计下具有一阶非参数自回归误差的线性模型,构造了参数和非参数函数的N-W核估计,在适当的条件下,证明了参数估计的强相合性,同时给出了非参数函数估计的渐近正态性.     

带自回归过程的单指标模型的参数估计及其渐近性质

研究了带有一阶自回归误差结构的单指标模型的参数估计及其渐近性质问题,利用局部多项式回归的方法对未知的联系函数进行估计,基于最大似然方法提出了模型的参数估计方法,同时在一些基本的假设下证明了估计的相合性及其渐近正态性,并给出模拟计算和应用实例以表明所提方法的有效性.     

渐近正态随机变量函数的极限分布

基于渐近正态随机变量,导出随机变量函数极限分布的两个一般性理论结果.作为应用,证明了渐近正态随机变量一系列具体函数的极限分布,其中包括泊松随机变量平方根的渐近正态性,以及随机变量部分和在正则化常数是随机变量情况下的渐近正态性.     

双重时序模型矩估计的渐近性：1.样本自协方差（自相关）函数

双重时序模型自提出以来，特别是关于模型的概率性质（如平很快稳性，遍历性）已有许多讨论，但统计推断方面的文章还很少。作为［９，１０］工作的继续，本文及后续文章将讨论矩估计及其大样本性质。首先在本文中，基本的矩估计量（样本自协方差函数及样本自相关函数）的渐近性质对ＡＲ（１）－ＭＡ（ｑ）模型得到讨论，证明了其渐近正态，并 强相合的收敛速度。     

自正则部分和的完全矩的精确渐近性(英文)

设{X,Xn;n≥1}为吸引域为正态吸引域的独立同分布的随机变量序列,本文证明了其自正则部分和的完全矩的精确渐近性.     

带有误差变量的自回归模型的局部多项式估计

该文主要研究带有误差变量的自回归模型的自回归函数的非参数估计问题,应用卷积核函数,给出了自回归函数的局部多项式估计,考察了局部多项式估计的相合性和渐近正态性,最后作了模拟计算.     

PA样本回归权函数估计的一致渐近正态性

在平稳PA样本下,讨论了非参数回归模型中权函数估计的一致渐近正态性,并给出了这个估计的一致渐近正态性的收敛速度.     

部分线性自回归模型中误差方差的核估计

基于非参数函数的核估计,构造了部分线性自回归模型中误差四阶矩的相合估计,从而给出了误差方差核估计的渐近正态性,并通过模拟算例和实例说明了其应用.     

固定设计下半参数回归模型核估计的渐近性质

研究一类新的半参数回归模型回归函数的核估计问题,其中误差项为一阶非参数自回归过程.通过重复利用Watson-Nadaraya核估计方法,构造了回归函数及误差回归函数的估计量分别为β,g(·)和ρ(·),在适当的条件下,证明了估计量β,g(·)和ρ(·)的渐近正态性.     

强混合样本下回归加权估计的一致渐近正态性

在强混合样本下,讨论固定设计回归模型的加权函数估计的一致渐近正态性,给出一致渐近正态性的收敛速度,这个速度接近n-1／6．     

广义半参数回归模型中渐近有效的若干结果

考虑Y=f(X,β_0) g(T) ε,f(.,.) 为一定义在R~(b_1)×R~p上的已知函数,g(.)是一未知函数β_0是一p×1待估向量。本文综述了关于β_0估计的渐近正态性,渐近正态意义下有效性,二阶渐近有效性,Bahadur渐近有效性等方面已取得结果。     

ARCH(p)模型样本均值与样本自相关函数的渐近正态性

利用严平稳m步相依序列中心极限定理证明了ARCH(p)模型样本均值与样本自相关函数的渐近正态性质.     

G谱估计的渐近性质

本文首次证明了G谱估计用来估计实正态的ARMA模型的谱密度时是渐近正态的。同时,进一步给出一个例子,说明它不是优效渐近正态的。     

渐近非扩张的非自映象不动点的迭代逼近问题

本文研究了渐近非扩张的非自映象不动点的迭代逼近问题,利用一致凸Banach空间中凸性模的有关不等式及新的分析方法,通过引入一新的修正的Ishikawa型迭代程序,在一致凸实Banach空间中,获得了此迭代序列强收敛于渐近非扩张的非自映象的不动点的逼近.改进和扩展了文献[2-5,9,10]的相关结果.