Nonparametric kernel density estimation near the boundary

برآوردگرهای چگالی نوع هسته ی متقارن ثابت ثابت شده اند که مشکلی برای متغیرهای تصادفی مثبت با توده ی احتمال بزرگ نزدیک به صفر دارند. نشان داده شده است که در چنین شرایطی، جایگزینی برآوردگرهای هسته گاما نامتقارن برتر است، اما همچنین در عملکرد نمونه با ضریب همبستگی و ضریب محدود در شکل چگالی نزدیک به صفر و شکل دقیق کرنل انتخاب شده متفاوت است. بنابراین، یک نسخه تصفیه شده از هسته گاما با پارامتر تنظیم اضافی تنظیم شده با توجه به شکل چگالی نزدیک به مرز پیشنهاد شده است. یک روش داده کاوی برای انتخاب مناسب برآورد کننده هسته گاما اصلاح شده نیز ارائه شده است. یک مطالعه شبیه سازی گسترده، عملکرد این برآوردگر تصحیح شده را با برآوردهای هسته استاندارد گاما و هسته ثابت اصلاح شده و اصلاح شده استاندارد مقایسه می کند. مشخص شده است که عملکرد نمونه محدودی از برآوردگر پیشنهادی جدید در تمام تنظیمات برتر است. دو برنامه تجربی مبتنی بر حجم معاملات سهام با فرکانس بالا و پیش بینی های غیر قابل انعطاف نشان می دهد که سودمندی روش پیشنهادی در عمل است.