Testing serial correlations in high-dimensional time series via extreme value theory
基于极值理论的高维时间序列序列相关检验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。
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：摘要直接研究高维时间序列的序列相关检验，资产收益仅作为应用场景。
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
基于极值理论的高维时间序列序列相关检验
- 研究问题
- 当时间序列维度与样本量共同增大、分布可能重尾时，如何检验序列相关，并降低检验对矩条件和分布形式的依赖？
- 方法与思路
- 作者结合 Spearman 秩相关与极值理论构造检验，推导渐近分布和闭式临界值，并对有限样本自相关偏差作修正。
- 材料陈述的贡献
- 摘要称该检验适用于连续分布且不要求有限阶矩；模拟显示较好的尺寸与功效，并提供九十二维资产收益应用。
- 阅读关注点
- 应核对维度与样本量的增长关系、序列依赖条件、所检验的相关类型，以及偏差修正与有限样本临界值的构造。
- 阅读边界
- 仅据所给出版社摘要，不能判断具体增长条件或重尾下的性能界限；不要求有限阶矩也不意味着允许任意依赖结构。
原文摘要
This paper proposes a simple test for detecting serial correlations in high-dimensional time series. The proposed test makes use of the robust properties of Spearman’s rank correlation and the theory of extreme values. Asymptotic properties of the test statistics are derived under some minor conditions as both the sample size and dimension go to infinity. The test is not sensitive to the underlying distribution of the time series so long as the data are continuously distributed. In particular, the existence of finite-order moments of the underlying distribution is not required, and asymptotic critical values of the test statistics are available in closed form. In finite samples, we correct biases of the sample autocorrelations and conduct simulations to study the performance of the proposed test statistics. Simulation results show that the proposed test statistics enjoy good properties of size and power in finite samples. We apply the proposed test to a 92-dimensional series of asset returns. Finally, a simple R code is available to obtain finite-sample critical values of the test statistics if needed.