Sparse estimation for the drift of high-dimensional Ornstein--Uhlenbeck processes with i.i.d. paths
高维 Ornstein–Uhlenbeck 过程漂移项的稀疏估计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 Ornstein–Uhlenbeck 过程的漂移参数估计，属于连续时间随机过程与时间序列建模范畴，故归入时间序列方向。
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
高维 Ornstein–Uhlenbeck 过程漂移项的稀疏估计
- 研究问题
- 研究在重复观测独立同分布路径的高维非平稳 Ornstein–Uhlenbeck 过程中，如何对漂移参数进行稀疏正则化估计，并达到何种收敛速率。
- 方法与思路
- 作者提出对漂移参数使用稀疏正则化极大似然估计，具体考察 Lasso 与 Slope 估计量，并给出其收敛速率结论，同时报告稀疏估计方法的数值实验表现。
- 材料陈述的贡献
- 摘要称 Lasso 与 Slope 估计量可达到极小极大最优收敛速率，并通过数值实验展示这些稀疏估计方法的表现。
- 阅读关注点
- 应核对模型设定与识别条件、i.i.d. 路径重复观测的具体结构、非平稳性如何处理、极小极大下界与上界匹配的证明细节，以及数值实验的设计与结果。
- 阅读边界
- 仅凭摘要无法判断证明细节、正则化参数选取、实验规模与结论稳健性；该文为 arXiv 预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
We study sparsity-regularized maximum likelihood estimation for the drift parameter of high-dimensional non-stationary Ornstein--Uhlenbeck processes given repeated measurements of i.i.d. paths. In particular, we show that Lasso and Slope estimators can achieve the minimax optimal rate of convergence. We exhibit numerical experiments for sparse estimation methods and show their performance.