Testing High-dimensional Nonstationary Time Series
高维非平稳时间序列检验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。
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：摘要明确研究高维非平稳序列、单位根与自回归过程，并应用于购买力平价，直接支持时间序列分类。
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
高维非平稳时间序列检验
- 研究问题
- 存在横截面依赖的高维非平稳序列中，如何利用样本相关矩阵的极端特征值检验单位根，并确定单位根数量？
- 方法与思路
- 作者建立高维随机游走相关矩阵极端特征值的联合中心极限定理，研究自回归过程的谱性质，并构造单位根及前向序贯检验。
- 材料陈述的贡献
- 摘要称，论文将谱理论结果转化为新的高维单位根检验和数量判定程序，并用于高维购买力平价假说的实证研究。
- 阅读关注点
- 应核对维度与样本量的增长关系、横截面依赖条件，以及检验零假设、序贯停止规则和购买力平价应用的设定。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收未核实；摘要未给出渐近条件、检验功效及购买力平价结果，不能判断有限样本可靠性。
原文摘要
In this article, we first establish the joint central limit theorem (CLT) for the extreme eigenvalues of the sample correlation matrix of high-dimensional random walks with cross-sectional dependence. We further investigate the asymptotic spectral properties of the sample correlation matrix of high-dimensional autoregressive processes. To apply our theoretical results, we propose a novel high-dimensional unit root test and develop a forward sequential test to determine the number of unit roots in high-dimensional time series data. Finally, we conduct an empirical study of the purchasing power parity (PPP) hypothesis in high-dimensional settings.