时间序列模型参数的各种估计量的渐近性质一直是许多统计学家非常关注的研究领域.常用的参数估计方法有:矩估计、(条件)极大似然估计、(条件)最小二乘估计(L<,2>-估计)等等.关于线性时间序列模型参数的上述估计量的相合性及渐近分布的研究,已有很丰富和完善的结果,见文献Anderson(1994),BrockwellandDavis(1991),Hannan(1971,1979),HannanandDeistler(1988)等.但许多统计学家指出在时间序列模型的各种相关数据中可能会有许多奇异点,特别是某些服从重尾分布的数据.因此我们需要稳健的估计方法,详见Frankeetal.(1984)等等.基于这一原因,Martin(1981),MartinandYohai(1984)等对平稳线性时间序列模型的一些M-估计量进行了研究,也得到了许多方法.但这种方法相应的目标函数是不可微的,这给研究这种方法带来了许多困难.由于L<,1>-估计量的性态优于许多其它的估计量,L<,1>-估计至今仍然是许多统计学家注目的焦点.另一方面在很多实用领域,例如在经济、环境、生物和气象等领域,已经显示出非线性时间序列分析的应用背景.困此,近年来对非线性时间序列分析的研究受到广泛关注,特别是参数的各种估计量的渐近性态的研究.