Information-Enriched Selection of Stationary and Non-Stationary Autoregressions using the Adaptive Lasso
利用信息增强自适应 Lasso 选择平稳与非平稳自回归模型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：摘要明确研究自回归模型、单整阶数和平稳性选择，并应用于德国通胀序列，直接对应时间序列方向。
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
利用信息增强自适应 Lasso 选择平稳与非平稳自回归模型
- 研究问题
- 如何改进自适应 Lasso 对潜在非平稳回归量的权重，使自回归模型选择更有效地区分平稳与非平稳过程？
- 方法与思路
- 作者利用不同单整阶数下 OLS 估计量概率阶的差异构造增强权重，并分析调参准则选择惩罚参数时的平稳性检测。
- 材料陈述的贡献
- 摘要称增强权重具有理论上的检测收益，模拟表现优于所比较的 OLS 权重，并用于欧元引入后的德国通胀模型选择。
- 阅读关注点
- 应核对权重统计量、单整情形与调参准则的具体要求，以及一致性、预言机效率和模拟优势各自适用的范围。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未给出理论条件或模拟数值，通胀结论限于所述应用。
原文摘要
We propose a novel approach to elicit the weight of a potentially non-stationary regressor in the consistent and oracle-efficient estimation of autoregressive models using the adaptive Lasso. The enhanced weight builds on a statistic that exploits distinct orders in probability of the OLS estimator in time series regressions when the degree of integration differs. We provide theoretical results on the benefit of our approach for detecting stationarity when a tuning criterion selects the $\ell_1$ penalty parameter. Monte Carlo evidence shows that our proposal is superior to using OLS-based weights, as suggested by Kock [Econom. Theory, 32, 2016, 243-259]. We apply the modified estimator to model selection for German inflation rates after the introduction of the Euro. The results indicate that energy commodity price inflation and headline inflation are best described by stationary autoregressions.