On the Impact of Serial Dependence on Penalized Regression Methods
序列依赖对惩罚回归方法的影响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：摘要研究序列依赖与预白化，并明确提出预测策略及欧元区月度宏观时间序列应用。
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…
序列依赖对惩罚回归方法的影响
- 研究问题
- 协变量的序列依赖如何在总体正交或弱相关时仍产生较强的样本伪相关，并进一步影响惩罚回归的非渐近估计误差与预测？
- 方法与思路
- 作者分析两个正交高斯 AR(1) 过程的样本互相关分布，再将惩罚回归用于经 ARMA 滤波预白化的序列，并开展模拟与宏观应用。
- 材料陈述的贡献
- 摘要称刻画了序列依赖、伪相关与误差界的联系，并提出在一定条件下降低估计误差的预白化程序，用于构建预测策略。
- 阅读关注点
- 应核对序列依赖如何进入误差界、ARMA 滤波估计误差如何处理，以及预白化后的回归结果如何用于原始序列预测。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未列出具体条件、误差改善幅度及样本外预测结果。
原文摘要
This paper characterizes the impact of covariate serial dependence on the non-asymptotic estimation error bound of penalized regressions (PRs). Focusing on the direct relationship between the degree of cross-correlation between covariates and the estimation error bound of PRs, we show that orthogonal or weakly cross-correlated stationary AR processes can exhibit high spurious correlations caused by serial dependence. We provide analytical results on the distribution of the sample cross-correlation in the case of two orthogonal Gaussian AR(1) processes, and extend and validate them through an extensive simulation study. Furthermore, we introduce a new procedure to mitigate spurious correlations in a time series setting, applying PRs to pre-whitened (ARMA filtered) time series. We show that under mild assumptions our procedure allows both to reduce the estimation error and to develop an effective forecasting strategy. The estimation accuracy of our proposal is validated through additional simulations, as well as an empirical application to a large set of monthly macroeconomic time series relative to the Euro Area.