Local Whittle estimation of high-dimensional long-run variance and precision matrices
高维长期方差与精度矩阵的局部 Whittle 估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究高维时间序列、长程依赖和局部 Whittle 估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
高维长期方差与精度矩阵的局部 Whittle 估计
- 研究问题
- 在允许长程依赖的高维时间序列中，如何一致估计长期方差矩阵及其逆矩阵，并处理未知记忆参数？
- 方法与思路
- 作者对多元局部 Whittle 估计进行阈值化和惩罚收缩，并建立同时处理记忆参数估计的非渐近集中界。
- 材料陈述的贡献
- 摘要称在模型参数稀疏且维数随样本量增长的框架下建立一致性，并提出算法、模拟研究与数据应用。
- 阅读关注点
- 应核对长期方差与记忆参数的模型定义、稀疏性及依赖条件、维数增长限制，以及精度矩阵估计的调参要求。
- 阅读边界
- 仅据所给 OpenAlex 摘要；具体依赖条件、误差速率、算法复杂度及应用数据未说明，不能判断有限样本表现。
原文摘要
This work develops nonasymptotic theory for estimation of the long-run variance matrix and its inverse, the so-called precision matrix, for high-dimensional time series under general assumptions on the dependence structure including long-range dependence. The estimation involves shrinkage techniques, which are thresholding and penalizing versions of the classical multivariate local Whittle estimator. The results ensure consistent estimation in a double asymptotic regime where the number of component time series is allowed to grow with the sample size as long as the true model parameters are sparse. The key technical result is a concentration inequality of the local Whittle estimator for the long-run variance matrix around the true model parameters. In particular, it handles simultaneously the estimation of the memory parameters, which enter the underlying model. Novel algorithms for the considered procedures are proposed, and a simulation study and a data application are also provided.