Covariance and precision matrix estimation for high-dimensional time series
高维时间序列的协方差与精度矩阵估计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。
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：摘要明确以高维平稳和局部平稳时间序列及其相依性为研究对象，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
高维时间序列的协方差与精度矩阵估计
- 研究问题
- 对高维平稳及局部平稳时间序列，如何估计协方差矩阵及其逆，并刻画序列相依性对估计收敛速度的影响？
- 方法与思路
- 作者利用函数相依度量分析阈值化协方差估计，并研究基于图形Lasso的精度矩阵估计，允许协方差随时间平滑变化。
- 材料陈述的贡献
- 摘要称，理论给出相依数据下的收敛速率与精度矩阵渐近性质，相比既有理论允许非平稳性并放宽相关矩条件。
- 阅读关注点
- 应核对相依衰减、矩条件、矩阵稀疏性及局部平稳要求，关注时间平滑、阈值和正则化参数如何影响收敛结论。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；具体速率与条件未提供，协方差平滑变化也不能直接解释为突变或金融波动率结论。
原文摘要
We consider estimation of covariance matrices and their inverses (a.k.a. precision matrices) for high-dimensional stationary and locally stationary time series. In the latter case the covariance matrices evolve smoothly in time, thus forming a covariance matrix function. Using the functional dependence measure of Wu [Proc. Natl. Acad. Sci. USA 102 (2005) 14150–14154 (electronic)], we obtain the rate of convergence for the thresholded estimate and illustrate how the dependence affects the rate of convergence. Asymptotic properties are also obtained for the precision matrix estimate which is based on the graphical Lasso principle. Our theory substantially generalizes earlier ones by allowing dependence, by allowing nonstationarity and by relaxing the associated moment conditions.