常、金源;陈，程;乔兴浩;姚启伟 一种基于自方差的高维函数时间序列学习框架。 （英语） Zbl 07814005号 《经济学杂志》。 239，第2号，文章ID 105385，第25页（2024）. 摘要：许多科学和经济应用都涉及高维函数时间序列的统计学习，其中函数变量的数量相当于甚至大于序列相关函数观测的数量。在本文中，我们对观测到的函数时间序列建模，这些函数时间序列会受到误差的影响，因为每个函数数据都是两个不相关分量（一个动态分量和一个白噪声分量）的总和。受观测函数时间序列的自方差函数自动过滤噪声项的启发，我们提出了一个三步框架，首先执行基于自方差的降维，然后提出了一种新的基于自方差的块正则化最小距离估计方法来产生块稀疏估计，并在此基础上得到最终的函数稀疏估计。我们研究了所提出估计量的理论性质，并通过三个稀疏的高维函数时间序列模型对所提出的估计过程进行了相应的收敛性分析。我们通过模拟数据集和实际数据集证明，我们提出的估值器显著优于其竞争对手。 MSC公司： 62至XX 统计 91至XX 博弈论、经济学、金融学以及其他社会和行为科学 关键词：块正则化最小距离估计;尺寸缩减;功能时间序列;高维数据;非渐近的;稀疏 软件：CVXR公司 PDF格式BibTeX公司 XML格式引用 \textit{J.Chang}等人，《经济学杂志》。239，第2号，文章ID 105385，25页（2024；Zbl 07814005） 全文： 内政部 arXiv公司 OA许可证 参考文献： [1] Aue，A。；诺里尼奥，D。；Hörmann，S.，关于平稳函数时间序列的预测，J.Amer。统计师。协会，110509378-392，（2015）·Zbl 1373.62462号 [2] 巴苏，S。；Michaelidis，G.，稀疏高维时间序列模型中的正则化估计，Ann.Statist。，43, 4, 1535-1567, (2015) ·Zbl 1317.62067号 [3] 巴蒂亚，N。；姚，Q。；Ziegelmann，F.，识别曲线时间序列的有限维，《统计年鉴》。，38, 6, 3352-3386, (2010) ·Zbl 1204.62152号 [4] 贝洛尼，A。；切尔诺朱科夫，V。；Chetverikov，D。；Hansen，C。；Kato，K.，《高维计量经济学与规范化GMM》，（2018），arXiv:1806.01888 [5] Bosq，D.，《函数空间中的线性过程：理论与应用》，第149卷，（2000），施普林格科学与商业媒体·Zbl 0962.60004号 [6] 陈，C。；郭，S。；乔，X.，《函数线性回归：依赖性和误差污染》，J.Bus。经济。统计学。，40, 1, 444-457, (2022) [7] Cho，H。；古德，Y。；布罗萨特，X。；Yao，Q.，《建模和预测每日电力负荷曲线：混合方法》，J.Amer。统计师。协会，108，501，7-21，（2013）·Zbl 1379.62091号 [8] Descary，M.-H。；Panaretos，V.M.，通过矩阵补全进行功能数据分析，Ann.Statist。，47, 1, 1-38, (2019) ·Zbl 1416.62324号 [9] 范，Y。；Foutz，N。；詹姆斯·G·M。；Jank，W.，在线虚拟股票市场的功能反应加性模型估计，Ann.Appl。统计，8，4，2435-2460，（2014）·Zbl 1454.62478号 [10] 范，Y。；詹姆斯·G·M。；Radchenko，P.，函数加性回归，Ann.Statist。，43, 5, 2296-2325, (2015) ·Zbl 1327.62252号 [11] 方，Q。；郭，S。；乔，X.，高维函数/标量时间序列的有限样本理论及其应用，电子。《美国法律总汇》，16，1527-591，（2022）·Zbl 1493.62519号 [12] Fu，A。；Narasimhan，B。；Boyd，S.，CVXR：严格凸优化的R包，J.Stat.Softw。，94, 14, 1-34, (2020) [13] 戈蒂埃，E。；Rose，C.，高维工具变量回归和置信集，（2019），arXiv:1105.2454 [14] 郭，S。；乔，X.，高维函数时间序列的一致性和稀疏性及其在自回归中的应用，伯努利，29，1，451-472，（2023）·Zbl 07634399号 [15] 霍尔，P。；Horowitz，J.L.，《函数线性回归的方法和收敛速度》，《统计年鉴》。，35, 1, 70-91, (2007) ·Zbl 1114.62048号 [16] 霍尔，P。；Vial，C.，《评估功能数据的有限维性》，J.R.Stat.Soc.Ser。B统计方法。，68, 4, 689-705, (2006) ·Zbl 1110.62085号 [17] Hamilton，J.D.，1994年。时间序列分析，第2卷。新泽西州普林斯顿·兹比尔08316.2061 [18] Hörmann，S。；基钦斯基。；Hallin，M.，《动态功能主成分》，J.R.Stat.Soc.Ser。B统计方法。，77, 2, 319-348, (2015) ·Zbl 1414.62133号 [19] Hörmann，S。；Kokoszka，P.，弱依赖函数数据，Ann.Statist。，38, 3, 1845-1884, (2010) ·Zbl 1189.62141号 [20] Horváth，L。；Kokoszka，P。；Rice，G.，函数时间序列的平稳性检验，《计量经济学杂志》，179，1，66-82，（2014）·Zbl 1293.62186号 [21] D.孔。；薛，K。；姚，F。；Zhang，H.H.，高维部分函数线性回归，生物统计学，103，1，147-159，（2016）·1452.62500兹罗提 [22] Li博士。；罗宾逊，P.M。；Shang，H.L.，长程相关曲线时间序列，J.Amer。统计师。协会，115，530，957-971，（2020）·兹比尔1445.62231 [23] 罗，R。；Qi，X.，《通过信号压缩实现函数对函数线性回归》，J.Amer。统计师。协会，112518690-705，（2017） [24] 穆勒，H.-G。；Sen，R。；Stadtmüller，U.，波动性的函数数据分析，《计量经济学杂志》，165，2，233-245，（2011）·Zbl 1441.62817号 [25] Panaretos，V.M。；Tavakoli，S.，函数空间中平稳时间序列的傅里叶分析，Ann.Statist。，41, 2, 568-603, (2013) ·Zbl 1267.62094号 [26] Rudelson，M。；Vershynin，R.，Hanson-Wright不等式和亚高斯浓度，电子。Commun公司。概率。，18, 1-9, (2013) ·Zbl 1329.60056号 [27] Shang，H.L.，Ftsa:分析函数时间序列的R包，R J.，5，1，64-72，（2013） [28] 薛，K。；Yao，F.，大规模函数线性回归中的假设检验，Statist。西尼卡，311101-1123，（2021）·Zbl 1470.62108号 [29] 姚，F。；穆勒，H.-G。；Wang，J.-L.，稀疏纵向数据的功能数据分析，J.Amer。统计师。协会，100，470，577-590，（2005）·Zbl 1117.62451号 [30] 袁，M。；Lin，Y.，《分组变量回归中的模型选择和估计》，J.R.Stat.Soc.Ser。B统计方法。，68, 1, 49-67, (2006) ·Zbl 1141.62030号 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。