A multivariate extension of the Misspecification-Resistant Information Criterion
抗模型误设信息准则的多变量扩展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：摘要明确针对可能误设的多变量时间序列模型，以均方预测误差和预测模型选择为核心，支持时间序列与预测分类。
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…
抗模型误设信息准则的多变量扩展
- 研究问题
- 当响应为多变量时间序列、预测变量为单变量且候选模型可能误设时，如何构造信息准则以选择预测表现较好的模型？
- 方法与思路
- 作者借助随机矩阵理论推导均方预测误差矩阵的渐近表达式，构造向量版 MRIC，并研究其矩估计量及渐近效率。
- 材料陈述的贡献
- 摘要称，作者证明矩估计量的一致性及准则的渐近效率，并以一个误设例子展示向量 MRIC 与 AIC、BIC 的选择差异。
- 阅读关注点
- 应核对多变量响应与单变量预测量的设定、矩阵误差如何转化为准则，以及渐近效率条件、矩估计和示例的适用边界。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验。摘要未给出定理条件，单个例子不足以认定该准则普遍优于 AIC 或 BIC。
原文摘要
The Misspecification-Resistant Information Criterion (MRIC) proposed in [H.-L. Hsu, C.-K. Ing, H. Tong: On model selection from a finite family of possibly misspecified time series models. The Annals of Statistics. 47 (2), 1061--1087 (2019)] is a model selection criterion for univariate parametric time series that enjoys both the property of consistency and asymptotic efficiency. In this article we extend the MRIC to the case where the response is a multivariate time series and the predictor is univariate. The extension requires novel derivations based upon random matrix theory. We obtain an asymptotic expression for the mean squared prediction error matrix, the vectorial MRIC and prove the consistency of its method-of-moments estimator. Moreover, we prove its asymptotic efficiency. Finally, we show with an example that, in presence of misspecification, the vectorial MRIC identifies the best predictive model whereas traditional information criteria like AIC or BIC fail to achieve the task.