Over the Stability Space of a Multivariate Time Series
多变量时间序列的稳定空间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：摘要明确研究多变量时间序列的非平稳性、协整及平稳成分提取；主成分降维本身不足以支持因子模型分类。
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…
多变量时间序列的稳定空间
- 研究问题
- 多变量时间序列同时存在非平稳性和高维问题时，如何在传统协整假设可能不成立的情况下提取平稳成分？
- 方法与思路
- 作者提出稳定空间概念，利用偏最小二乘和主成分分析构建两个非参数估计程序，并优先选择平稳成分及探索稀疏化。
- 材料陈述的贡献
- 摘要称，该概念扩展了寻找平稳成分的思路，通过模拟和实际数据评价两种方法，并在可比较时与 Johansen 程序对照。
- 阅读关注点
- 应核对稳定空间与协整空间的区别、平稳成分的选择标准、非参数程序的理论保证，以及高维正则化与比较设置。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未给出稳定空间的正式定义或证明普遍优于协整方法。
原文摘要
This paper jointly addresses the challenges of non-stationarity and high dimensionality in analysing multivariate time series. Building on the classical concept of cointegration, we introduce a more flexible notion, called stability space, aimed at capturing stationary components in settings where traditional assumptions may not hold. Based on the dimensionality reduction techniques of Partial Least Squares and Principal Component Analysis, we proposed two non-parametric procedures for estimating such a space and a targeted selection of components that prioritise stationarity. We compare these alternatives with the parametric Johansen procedure when possible. Through simulations and real-data applications, we evaluated the performance of these methodologies across various scenarios, including high-dimensional configurations where regularisation techniques are explored, considering a sparse version of the Principal Component Analysis.