A Sharp Signal-to-Noise Threshold for Quasi-Maximum Likelihood Breakpoint Estimation
拟最大似然断点估计的锐信噪比阈值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：摘要直接研究多元时间序列二阶矩断点，并给出高维广泛因子模型应用，支持结构变化、时间序列及因子模型分类。
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
拟最大似然断点估计的锐信噪比阈值
- 研究问题
- 多元时间序列二阶矩结构中的主导断点，在何种路径信噪比下能够被拟最大似然一致恢复，何时全局恢复可能失败？
- 方法与思路
- 作者以路径为基础比较区间间反差与区间内波动，在对数行列式目标中加入岭正则，并应用于维度增长的广泛因子模型。
- 材料陈述的贡献
- 摘要称给出锐信噪比准则，岭正则使候选端点无需裁剪；因子模型应用允许误差具有一般结构，甚至不要求随机性。
- 阅读关注点
- 应核对阈值因子、岭参数与一致性定义，主导断点的限制，以及任意误差在路径条件下仍需满足哪些反差与波动要求。
- 阅读边界
- 这是arXiv预印本，同行评审或接收未核实；摘要未给明确阈值和调参规则，不施加随机模型并不等于无条件保证断点恢复。
原文摘要
We establish a sharp pathwise signal-to-noise criterion for quasi-maximum-likelihood (QML) estimation of a dominant breakpoint in the second-moment structure of a multivariate time series: the QML estimator is consistent whenever the between-regime contrast exceeds the within-regime fluctuation by an explicit factor, and below this threshold global recovery can fail. Two innovations drive the result. First, the framework is pathwise: no stochastic model is imposed on the data. Second, the log-determinant objective carries an additive ridge regularization: it removes the endpoint boundary layers, so no trimming of the candidate set is required, and tuning the ridge weakens the consistency condition. As an application of the main theorem, we establish consistency of QML breakpoint estimation in pervasive factor models whose dimension diverges with the sample size, for completely general error terms -- not necessarily independent, idiosyncratic, or even random.