Estimation methods of Matrix-valued AR model
矩阵值自回归模型的估计方法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：摘要的核心对象是矩阵自回归与高维时间序列估计，因此归入时间序列；未提供宏观冲击识别或金融定价方面的依据。
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
矩阵值自回归模型的估计方法
- 研究问题
- 如何利用矩阵结构估计高维时间序列，在减少相对向量自回归的参数数量时，仍保持有用的拟合表现与可解释性？
- 方法与思路
- 作者针对矩阵自回归模型改造 Yule–Walker 方程与 Burg 方法，并以 MAE、RMSE 等指标比较其与 VAR 的表现。
- 材料陈述的贡献
- 摘要称提出的估计方法保留矩阵结构、使用更少参数，实证拟合指标与 VAR 相近，为复杂时间数据提供简约建模方案。
- 阅读关注点
- 应核对矩阵系数的参数化与识别、估计步骤及稳定性条件，并确认报告的误差指标来自样本内拟合还是样本外预测。
- 阅读边界
- 本文为 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明理论条件、数据规模或误差数值，相近拟合不等于普遍更优。
原文摘要
This article proposes novel estimation methods for the Matrix Autoregressive (MAR) model, specifically adaptations of the Yule-Walker equations and Burg's method, addressing limitations in existing techniques. The MAR model, by maintaining a matrix structure and requiring significantly fewer parameters than vector autoregressive (VAR) models, offers a parsimonious, yet effective, alternative for high-dimensional time series. Empirical results demonstrate that MAR models estimated via the proposed methods achieve a comparable fit to VAR models across metrics such as MAE and RMSE. These findings underscore the utility of Yule-Walker and Burg-type estimators in constructing efficient and interpretable models for complex temporal data.