Estimation of High-Dimensional Markov-Switching VAR Models with an Approximate EM Algorithm
利用近似EM算法估计高维马尔可夫切换VAR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：摘要研究高维VAR时间序列及马尔可夫状态切换，直接对应时间序列与结构变化方向，未明确识别结构冲击。
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…
利用近似EM算法估计高维马尔可夫切换VAR模型
- 研究问题
- 存在潜在状态切换的高维时间序列中，如何估计马尔可夫切换VAR模型，并兼顾计算可行性与估计一致性？
- 方法与思路
- 作者提出适用于马尔可夫切换VAR的近似EM算法，分析高维一致性，并通过模拟和癫痫患者脑电数据演示。
- 材料陈述的贡献
- 摘要称该近似算法改善计算可行性并便于研究渐近性质，建立了高维一致性结果，另提供模拟与脑电应用。
- 阅读关注点
- 应核对EM步骤近似了什么、初始化与收敛要求、高维结构限制，以及一致性结果针对哪些参数或算法输出。
- 阅读边界
- 这是arXiv预印本，不能确认同行评审或期刊接收；摘要未说明维度增长、状态可分性及近似误差的具体条件。
原文摘要
Regime shifts in high-dimensional time series arise naturally in many applications, from neuroimaging to finance. This problem has received considerable attention in low-dimensional settings, with both Bayesian and frequentist methods used extensively for parameter estimation. The EM algorithm is a particularly popular strategy for parameter estimation in low-dimensional settings, although the statistical properties of the resulting estimates have not been well understood. Furthermore, its extension to high-dimensional time series has proved challenging. To overcome these challenges, in this paper we propose an approximate EM algorithm for Markov-switching VAR models that leads to efficient computation and also facilitates the investigation of asymptotic properties of the resulting parameter estimates. We establish the consistency of the proposed EM algorithm in high dimensions and investigate its performance via simulation studies. We also demonstrate the algorithm by analyzing a brain electroencephalography (EEG) dataset recorded on a patient experiencing epileptic seizure.