Quasi-maximum likelihood estimation for scalable ARMA models
可扩展 ARMA 模型的拟极大似然估计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。
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：摘要讨论 ARMA 模型的高维估计、渐近正态性与模型选择，属于时间序列计量方法，故选择时间序列方向。
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…
关注这篇论文的作者
可扩展 ARMA 模型的拟极大似然估计
- 研究问题
- 摘要称，可扩展 ARMA 模型虽保留传统 VARMA 的简约性并提升计算可行性，但现有研究仅限高维正则化最小二乘估计，统计效率较低且理论保证依赖次高斯假设，并缺乏推断工具；本文要填补这一空白。
- 方法与思路
- 作者提出针对可扩展 ARMA 模型的拟极大似然估计框架，在有限四阶矩条件下建立渐近正态性，并证明其相对最小二乘估计的渐近效率增益；同时给出块坐标下降算法与相合的贝叶斯信息准则用于模型选择。
- 材料陈述的贡献
- 摘要明确陈述的贡献包括：建立 QMLE 的渐近正态性（仅需有限四阶矩）、形式化证明相对 LSE 的渐近效率提升、提供高效块坐标下降算法、提出相合的 BIC 用于模型选择，并通过模拟与六个宏观经济指标的实证展示实用性。
- 阅读关注点
- 阅读全文时应核对：四阶矩条件之外的具体识别与正则性假设、效率增益的证明范围与比较基准、块坐标下降算法的收敛性保证、BIC 相合性的条件，以及实证中六个宏观指标的数据处理与模型设定细节。
- 阅读边界
- 仅凭摘要无法判断假设是否可检验、有限样本表现的具体数值、算法实际计算成本，以及实证结论的稳健性；摘要未说明识别策略的完整条件与推断工具的具体形式。该文为 arXiv 预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
The recently proposed scalable ARMA model preserves the parsimony of traditional VARMA models while achieving greater computational tractability. However, existing studies are limited to regularized least squares estimation (LSE) for high-dimensional settings, which is not only statistically less efficient but also requires the sub-Gaussian assumption for its theoretical guarantees. Moreover, it still lacks inference tool for real applications. To fill this gap, we develop a quasi-maximum likelihood estimation (QMLE) framework for scalable ARMA models. Its asymptotic normality is established under a finite fourth order moment condition, and we formally prove its asymptotic efficiency gain over LSE. We also introduce an efficient block coordinate descent algorithm for computation and a consistent Bayesian information criterion for model selection. Simulation studies validate the finite-sample performance of our methodology, and an empirical application to six macroeconomic indicators demonstrates its practical utility.