Lag selection and estimation of stable parameters for multiple autoregressive processes through convex programming
通过凸规划选择多个自回归过程的滞后阶并估计稳定参数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：摘要直接研究多个自回归时间序列的滞后选择、稳定参数估计及预测误差速率，因此对应时间序列和预测方向。
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…
通过凸规划选择多个自回归过程的滞后阶并估计稳定参数
- 研究问题
- 当多个稳定自回归过程共享未知滞后阶时，如何汇集不同过程的信息，同时选择滞后阶和估计参数，并保障拟合过程稳定及预测表现？
- 方法与思路
- 作者通过凸规划联合处理多个共享未知滞后阶的稳定自回归过程，利用跨过程信息进行阶数选择和参数估计，并分析稳定性与预测误差。
- 材料陈述的贡献
- 摘要称，证明了估计过程稳定并建立预测误差速率，在所设情形下可优于已知速率；滞后选择与稳定性方面的见解也适用于单个过程。
- 阅读关注点
- 核对共同滞后阶假设、凸规划目标与稳定性保证的条件，以及预测误差速率的比较基准、样本和维数依赖及调参要求。
- 阅读边界
- 这是 arXiv 预印本，不能确认同行评审或期刊接收；摘要未提供优化形式、误差速率及适用条件，所称速率改善只能限于文中设定理解。
原文摘要
Motivated by a variety of applications, high-dimensional time series have become an active topic of research. In particular, several methods and finite-sample theories for individual stable autoregressive processes with known lag have become available very recently. We, instead, consider multiple stable autoregressive processes that share an unknown lag. We use information across the different processes to simultaneously select the lag and estimate the parameters. We prove that the estimated process is stable, and we establish rates for the forecasting error that can outmatch the known rate in our setting. Our insights on the lag selection and the stability are also of interest for the case of individual autoregressive processes.