Nonparametric M-Estimation with long-memory errors

Lade...
Vorschaubild
Dateien
Zu diesem Dokument gibt es keine Dateien.
Datum
2000
Autor:innen
Ghosh, Sucharita
Sibbertsen, Philipp
Herausgeber:innen
Kontakt
ISSN der Zeitschrift
Electronic ISSN
ISBN
Bibliografische Daten
Verlag
Auflagebezeichnung
DOI (zitierfähiger Link)
ArXiv-ID
Internationale Patentnummer
Angaben zur Forschungsförderung
Projekt
Open Access-Veröffentlichung
Open Access Green
Core Facility der Universität Konstanz
Gesperrt bis
Titel in einer weiteren Sprache
Forschungsvorhaben
Organisationseinheiten
Zeitschriftenheft
Publikationstyp
Working Paper/Technical Report
Publikationsstatus
Published
Erschienen in
Zusammenfassung

We investigate the behavior of nonparametric kernel M-estimator in the presence of long-memory errors. The optimal bandwidth and central limit theorem are obtained. It turns out that in the Gaussian case all kernel M-estimators have the same limiting normal distribution. The motivation behind this study is illustrated with an example.

Zusammenfassung in einer weiteren Sprache
Fachgebiet (DDC)
510 Mathematik
Schlagwörter
Konferenz
Rezension
undefined / . - undefined, undefined
Zitieren
ISO 690BERAN, Jan, Sucharita GHOSH, Philipp SIBBERTSEN, 2000. Nonparametric M-Estimation with long-memory errors
BibTex
@techreport{Beran2000Nonpa-722,
  year={2000},
  series={CoFE-Diskussionspapiere / Zentrum für Finanzen und Ökonometrie},
  title={Nonparametric M-Estimation with long-memory errors},
  number={2000/19},
  author={Beran, Jan and Ghosh, Sucharita and Sibbertsen, Philipp}
}
RDF
<rdf:RDF
    xmlns:dcterms="http://purl.org/dc/terms/"
    xmlns:dc="http://purl.org/dc/elements/1.1/"
    xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
    xmlns:bibo="http://purl.org/ontology/bibo/"
    xmlns:dspace="http://digital-repositories.org/ontologies/dspace/0.1.0#"
    xmlns:foaf="http://xmlns.com/foaf/0.1/"
    xmlns:void="http://rdfs.org/ns/void#"
    xmlns:xsd="http://www.w3.org/2001/XMLSchema#" > 
  <rdf:Description rdf:about="https://kops.uni-konstanz.de/server/rdf/resource/123456789/722">
    <dspace:isPartOfCollection rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/39"/>
    <dcterms:hasPart rdf:resource="https://kops.uni-konstanz.de/bitstream/123456789/722/1/dp00_19.pdf"/>
    <dcterms:rights rdf:resource="https://rightsstatements.org/page/InC/1.0/"/>
    <void:sparqlEndpoint rdf:resource="http://localhost/fuseki/dspace/sparql"/>
    <dc:date rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2011-03-22T17:45:37Z</dc:date>
    <foaf:homepage rdf:resource="http://localhost:8080/"/>
    <dcterms:isPartOf rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/39"/>
    <dcterms:abstract xml:lang="eng">We investigate the behavior of nonparametric kernel M-estimator in the  presence of long-memory errors. The optimal bandwidth and central limit theorem are obtained. It turns out that in the Gaussian case all kernel M-estimators have the same limiting normal distribution. The motivation behind this study is illustrated with an example.</dcterms:abstract>
    <dspace:hasBitstream rdf:resource="https://kops.uni-konstanz.de/bitstream/123456789/722/1/dp00_19.pdf"/>
    <dcterms:title>Nonparametric M-Estimation with long-memory errors</dcterms:title>
    <dcterms:available rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2011-03-22T17:45:37Z</dcterms:available>
    <dc:contributor>Sibbertsen, Philipp</dc:contributor>
    <dc:contributor>Beran, Jan</dc:contributor>
    <dc:creator>Ghosh, Sucharita</dc:creator>
    <bibo:uri rdf:resource="http://kops.uni-konstanz.de/handle/123456789/722"/>
    <dc:rights>terms-of-use</dc:rights>
    <dc:language>eng</dc:language>
    <dc:contributor>Ghosh, Sucharita</dc:contributor>
    <dcterms:issued>2000</dcterms:issued>
    <dc:creator>Sibbertsen, Philipp</dc:creator>
    <dc:creator>Beran, Jan</dc:creator>
    <dc:format>application/pdf</dc:format>
  </rdf:Description>
</rdf:RDF>
Interner Vermerk
xmlui.Submission.submit.DescribeStep.inputForms.label.kops_note_fromSubmitter
Kontakt
URL der Originalveröffentl.
Prüfdatum der URL
Prüfungsdatum der Dissertation
Finanzierungsart
Kommentar zur Publikation
Allianzlizenz
Corresponding Authors der Uni Konstanz vorhanden
Internationale Co-Autor:innen
Universitätsbibliographie
Nein
Begutachtet
Diese Publikation teilen