Rate-Optimal Robust Estimation of High-Dimensional Vector Autoregressive Models
高维向量自回归模型的速率最优稳健估计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：摘要直接研究高维 VAR 的动态依赖和估计，因此归入时间序列及 VAR 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
高维向量自回归模型的速率最优稳健估计
- 研究问题
- 高维 VAR 同时存在动态依赖、重尾污染、模型误设与条件异方差时，如何兼顾估计稳健性、收敛速度和计算效率？
- 方法与思路
- 作者提出结合数据截断与适当正则化的统一估计程序，覆盖稀疏、低秩、带状及网络结构 VAR，并在有界矩条件下分析误差。
- 材料陈述的贡献
- 摘要称在有界二加二倍 ε 阶矩条件下获得近乎极小极大最优速率；ε 至少为一时匹配次高斯速率，部分更弱矩情形仍可一致估计。
- 阅读关注点
- 核对时间依赖、模型误设和污染的具体限制，截断与正则化参数如何选择，以及不同结构下上界与极小极大下界是否对应。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明完整假设、证明细节与宏观应用结果，也不能推断任意污染下均有效。
原文摘要
High-dimensional time series data appear in many scientific areas in the current data-rich environment. Analysis of such data poses new challenges to data analysts because of not only the complicated dynamic dependence between the series, but also the existence of aberrant observations, such as missing values, contaminated observations, and heavy-tailed distributions. For high-dimensional vector autoregressive (VAR) models, we introduce a unified estimation procedure that is robust to model misspecification, heavy-tailed noise contamination, and conditional heteroscedasticity. The proposed methodology enjoys both statistical optimality and computational efficiency, and can handle many popular high-dimensional models, such as sparse, reduced-rank, banded, and network-structured VAR models. With proper regularization and data truncation, the estimation convergence rates are shown to be almost optimal in the minimax sense under a bounded $(2+2ε)$-th moment condition. When $ε\geq1$, the rates of convergence match those obtained under the sub-Gaussian assumption. Consistency of the proposed estimators is also established for some $ε\in(0,1)$, with minimax optimal convergence rates associated with $ε$. The efficacy of the proposed estimation methods is demonstrated by simulation and a U.S. macroeconomic example.