Some asymptotic results for time series model selection
时间序列模型选择的若干渐近结果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：摘要明确研究时间序列模型选择，并举连续值与多变量计数自回归模型。
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
时间序列模型选择的若干渐近结果
- 研究问题
- 对于包含多变量计数过程和带外生协变量过程的时间序列模型，惩罚式模型选择何时具有弱一致性或强一致性？
- 方法与思路
- 作者提出基于一般惩罚对比函数的选择程序，研究其渐近一致性与不一致情形，并讨论连续值和计数自回归例子。
- 材料陈述的贡献
- 摘要称，文章建立若干弱、强一致性结果，同时给出一类不能保证一致性的惩罚项，展示惩罚选择的重要性。
- 阅读关注点
- 应核对候选模型空间、对比函数与惩罚项增长条件，以及依赖结构和外生协变量条件如何影响弱、强一致性。
- 阅读边界
- 这是arXiv预印本，同行评审及接收未核验。摘要未给出惩罚形式和定理条件，不能据此判断某个具体信息准则是否一致。
原文摘要
We consider the model selection problem for a large class of time series models, including, multivariate count processes, causal processes with exogenous covariates. A procedure based on a general penalized contrast is proposed. Some asymptotic results for weak and strong consistency are established. The non consistency issue is addressed, and a class of penalty term, that does not ensure consistency is provided. Examples of continuous valued and multivariate count autoregressive time series are considered.