Shrinkage Regularization for (Non)Linear Serial Dependence Test
线性与非线性序列依赖检验的收缩正则化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：摘要明确以高维非高斯时间序列的线性与非线性序列依赖检验为研究对象。
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…
线性与非线性序列依赖检验的收缩正则化
- 研究问题
- 研究高维非高斯时间序列中，如何检验不存在任何线性或非线性序列依赖的原假设，并应对维度增加带来的问题。
- 方法与思路
- 作者提出正则化的序列依赖检验，将摘要所提既有 portmanteau 综合检验扩展到高维设置；具体收缩构造未说明。
- 材料陈述的贡献
- 摘要明确陈述的贡献是提出面向高维非高斯时间序列的正则化检验，同时覆盖线性与非线性依赖，其他性质未展开。
- 阅读关注点
- 应核对原假设如何形式化、非线性依赖的检测范围、收缩强度选择，以及维度和样本量增长条件与临界值构造。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审或期刊接收未核实；摘要很简短，未提供理论条件、检验功效、模拟或应用结果。
原文摘要
This paper introduces a regularized test of the null hypothesis of the absence of linear and nonlinear serial dependence for high-dimensional non-Gaussian time series. Our approach extends the portmanteau test introduced in Jasiak and Neyazi (2023) to the high-dimensional setting.