Model Selection for Unit-root Time Series with Many Predictors
具有大量预测变量的单位根时间序列模型选择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：摘要直接研究单位根时间序列模型选择，并应用于住房开工和失业宏观序列。
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…
具有大量预测变量的单位根时间序列模型选择
- 研究问题
- 面对单位圆上根的位置和重数未知、外生预测变量众多且存在条件异方差的时间序列，如何进行可靠的变量和模型选择？
- 方法与思路
- 作者提出 FHTD，将前向逐步回归、高维信息准则、后向剔除和数据驱动阈值结合，并以函数中心极限定理和特征值下界分析。
- 材料陈述的贡献
- 摘要称，在所述条件下建立前向筛选保证与最终选择一致性，并给出两项技术结果；模拟及美国住房开工、失业数据展示其表现。
- 阅读关注点
- 应核对预测变量维数增长、单位根和异方差条件、信息准则与阈值的选择，以及模拟中的比较方法和模型选择评价标准。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列出所谓温和条件与数值结果，不能据此断言普遍优于其他算法。
原文摘要
This paper studies model selection for general unit-root time series, including the case with many exogenous predictors. We propose a new model selection algorithm, FHTD, that leverages forward stepwise regression (FSR), a high-dimensional information criterion (HDIC), a backward elimination method based on HDIC, and a data-driven thresholding (DDT) approach. Under some mild assumptions that allow for unknown locations and multiplicities of the characteristic roots on the unit circle of the time series and conditional heteroscedasticity in the predictors and errors, we establish the sure screening property of FSR and the selection consistency of FHTD. Our theoretical analysis relies on two novel technical contributions, namely a functional central limit theorem for multivariate linear processes and a uniform lower bound for the minimum eigenvalue of the sample covariance matrices, both of which are of independent interest. Simulation results corroborate the theoretical properties and show the superior performance of FHTD in model selection. We apply the proposed FHTD to model U.S. monthly housing starts and unemployment data, showcasing its practical utility.