Factor-Adjusted Location Tests for High-Dimensional Time Series
高维时间序列的因子调整位置检验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：摘要明确研究高维时间序列，并通过潜在动态因子调整共同序列依赖。
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
高维时间序列的因子调整位置检验
- 研究问题
- 当高维时间序列存在潜在动态因子引起的强共同序列依赖时，如何对总体均值进行检验并兼顾不同稀疏程度的备择？
- 方法与思路
- 作者由滞后自协方差估计因子载荷空间，投影去除共同成分，构造最大值、二次型及柯西组合检验，并用自助法校准。
- 材料陈述的贡献
- 摘要称，作者建立各统计量的极限分布及组合有效性；强因子情形下，二次型检验允许维度满足 p=o(n²)。
- 阅读关注点
- 应核对因子强度、载荷空间估计误差及特异项白噪声条件，并检查维度增长范围、自助法构造和局部功效结论。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获核实；摘要未提供模拟数值和应用细节，不能推断对一般序列依赖均有效。
原文摘要
We study high-dimensional one-sample mean testing for time series with strong common serial dependence driven by latent dynamic factors. After estimating the dynamic factor loading space from lagged autocovariance, we project the data onto its orthogonal complement and construct three factor-adjusted tests: a max test for sparse alternatives, a quadratic test for dense alternatives, and a Cauchy combination test for unknown sparsity. The idiosyncratic component is allowed to be non-Gaussian sub-Gaussian vector white noise. We establish the Gumbel limit of the max statistic, the normal limit and local power function of the quadratic statistic, their asymptotic independence, and the validity of the Cauchy combination. In the strong-factor case, the refined projection expansion shows that the quadratic statistic remains valid for dimensions as large as $p=o(n^2)$. A random-loading residual bootstrap is developed for finite-sample calibration. Simulation studies and a real data application demonstrate reliable size control and competitive power for high-dimensional observations with strong dependence.