Spatio-Temporal Autoregressions for High Dimensional Matrix-Valued Time Series
高维矩阵值时间序列的时空自回归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：摘要以多个资产同步五分钟成交量区间和日内交易量曲线为研究动机，直接对应高频金融计量。
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…
高维矩阵值时间序列的时空自回归
- 研究问题
- 如何对多个资产的日内成交量曲线同时建模跨资产、日内区间与跨日动态，并解决时空自回归内生性及双带宽选择问题？
- 方法与思路
- 作者提出两种矩阵时空自回归模型，用基于 Yule–Walker 方程的 GMM 构造迭代广义估计量，并设计两步比率式序贯带宽估计。
- 材料陈述的贡献
- 摘要称，方法针对普通最小二乘的不一致问题，同时估计两个带状权重矩阵，并为区别于单带宽模型的双带宽设定提供估计程序。
- 阅读关注点
- 应核对两种模型的空间与时间作用、矩条件如何处理内生性，以及带状约束、双带宽选择和成交量预测评估的具体依据。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未提供渐近条件或预测数值，不能据此认定内生性处理和实际预测均已验证。
原文摘要
Motivated by predicting intraday trading volume curves, we consider two spatio-temporal autoregressive models for matrix time series, in which each column may represent daily trading volume curve of one asset, and each row captures synchronized 5-minute volume intervals across multiple assets. While traditional matrix time series focus mainly on temporal evolution, our approach incorporates both spatial and temporal dynamics, enabling simultaneous analysis of interactions across multiple dimensions. The inherent endogeneity in spatio-temporal autoregressive models renders ordinary least squares estimation inconsistent. To overcome this difficulty while simultaneously estimating two distinct weight matrices with banded structure, we develop an iterated generalized Yule-Walker estimator by adapting a generalized method of moments framework based on Yule-Walker equations. Moreover, unlike conventional models that employ a single bandwidth parameter, the dual-bandwidth specification in our framework requires a new two-step, ratio-based sequential estimation procedure.