Sparse VARs Do Not Imply Sparse Local Projections: Robust Inference for High-Dimensional Granger Causality
稀疏 VAR 不意味着稀疏局部投影：高维 Granger 因果的稳健推断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 VAR、局部投影与多期 Granger 因果推断，属于 VAR 与局部投影及时间序列，未明确研究系统性风险。
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
稀疏 VAR 不意味着稀疏局部投影：高维 Granger 因果的稳健推断
- 研究问题
- 在稀疏高维 VAR 中，如何对多预测期的 Granger 因果进行有效推断，避免把底层 VAR 的稀疏性错误地施加到各期局部投影？
- 方法与思路
- 作者利用局部投影系数是 VAR 参数非线性变换这一事实，提出不要求逐期稀疏性的两步框架，建立渐近理论及可实施 Wald 检验。
- 材料陈述的贡献
- 摘要称推断无需 HAC 修正，模拟显示跨预测期的检验尺寸控制有所改善，并通过大型金融系统应用展示不同期限的连通性。
- 阅读关注点
- 应核对两步估计如何利用 VAR 结构、有效推断的依赖与维度条件，以及无需 HAC 的依据和各预测期 Wald 检验的构造。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未经核实；摘要未说明完整条件和改善幅度，Granger 预测关系也不能直接解释为干预因果。
原文摘要
This paper studies multi-horizon Granger causality using high-dimensional local projections in sparse Vector Autoregressive (VAR) systems. Since local projection coefficients are nonlinear transformations of the underlying VAR parameters, existing approaches, such as de-biased least absolute shrinkage and selection operator (LASSO) and post-double-selection methods applied directly to local projections, lack a general justification, as sparsity of the VAR does not always propagate to higher horizons. We propose a two-step framework that avoids imposing sparsity at each horizon and delivers valid inference without relying on heteroskedasticityand autocorrelation-consistent (HAC) corrections. We establish large sample theory for the proposed estimators and develop feasible Wald tests. Monte Carlo experiments demonstrate improved size control across horizons relative to existing methods. An application to large financial systems illustrates horizon-specific connectedness.