Tail-robust factor modelling of vector and tensor time series in high dimensions
高维向量与张量时间序列的重尾稳健因子建模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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究高维向量和张量时间序列的因子建模，并应用于两个宏观数据集，对应因子模型与时间序列。
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…
高维向量与张量时间序列的重尾稳健因子建模
- 研究问题
- 高维向量或张量时间序列出现重尾极端观测时，如何稳健提取因子，并建立较弱矩条件下的估计与因子数选择理论？
- 方法与思路
- 作者将两步张量分解与数据截断结合，避免迭代数值搜索，并分析截断水平与尾部厚度对估计收敛速度的影响。
- 材料陈述的贡献
- 摘要称在存在2＋2ε阶矩且ε位于零与一之间时建立一致性及渐近正态性，并提出一致的因子数选择准则。
- 阅读关注点
- 应核对除矩条件外的时间依赖与因子强度要求、截断水平如何选择，以及因子数准则和宏观应用的具体表现。
- 阅读边界
- 这是arXiv预印本，不能确认同行评审或期刊接收；摘要未给出全部理论条件及数值结果，矩条件并非唯一适用要求。
原文摘要
We study the problem of factor modelling vector- and tensor-valued time series in the presence of heavy tails in the data, which produce extreme observations with non-negligible probability. We propose to combine a two-step procedure for tensor decomposition with data truncation, which is easy to implement and does not require an iterative search for a numerical solution. Departing away from the light-tail assumptions often adopted in the time series factor modelling literature, we derive the consistency and asymptotic normality of the proposed estimators while assuming the existence of the $(2 + 2ε)$-th moment only for some $ε\in (0, 1)$. Our rates explicitly depend on $\eps$ characterising the effect of heavy tails, and on the chosen level of truncation. We also propose a consistent criterion for determining the number of factors. Simulation studies and applications to two macroeconomic datasets demonstrate the good performance of the proposed estimators.