Threshold Tensor Factor Model in CP Form
CP 形式的门限张量因子模型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：摘要明确研究张量时间序列及其潜在因子结构，对应时间序列和因子模型。
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…
CP 形式的门限张量因子模型
- 研究问题
- 如何在低秩张量时间序列模型中刻画潜在因子的门限状态切换，同时保留 CP 表示的简约性与可解释性？
- 方法与思路
- 作者将门限自回归结构嵌入 CP 形式张量因子模型的潜在因子过程，构造估计程序，并研究所得估计量的理论性质。
- 材料陈述的贡献
- 摘要称，所提框架结合了潜在因子的状态切换与低秩张量结构，并通过数值实验及真实数据应用展示实际表现。
- 阅读关注点
- 应核对门限变量和状态划分、CP 分解的识别约束、秩与门限选择方法，以及估计量理论性质所需的具体条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明定理内容、应用数据和数值结果，无法判断适用范围及性能优势。
原文摘要
This paper proposes a new Threshold Tensor Factor Model in Canonical Polyadic (CP) form for tensor time series. By integrating a thresholding autoregressive structure for the latent factor process into the tensor factor model in CP form, the model captures regime-switching dynamics in the latent factor processes while retaining the parsimony and interpretability of low-rank tensor representations. We develop estimation procedures for the model and establish the theoretical properties of the resulting estimators. Numerical experiments and a real-data application illustrate the practical performance and usefulness of the proposed framework.