×
丁秀才;周，周

非平稳时间序列的自回归逼近及其推理和应用。 （英语） Zbl 07732745号

Ann.统计。 51，第3期，1207-1231（2023）.
摘要：理解复杂时间系统的时变结构是现代时间序列分析的主要挑战之一。在本文中，我们证明了每一个统一正定的协方差和足够短的相关非平稳和非线性时间序列都可以通过一个缓慢发散阶的白噪声驱动自回归（AR）过程很好地全局逼近。据我们所知，这是首次对一般类非平稳时间序列建立这样的结构近似结果。提出了一种高维（mathcal{L}^2）检验和相关的乘法器自举程序，用于AR近似系数的推断。特别是，本文提出了一种自适应稳定性测试，以检查AR近似系数是否是时变的，这是时间序列从业者和研究人员经常遇到的问题。作为应用，本文通过筛选方法建立了一类广泛的局部平稳时间序列的全局最优短期预测理论和方法。

引用于2文件

MSC公司：

62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62M20型 随机过程推断和预测
60G07年 随机过程的一般理论

关键词：

非平稳时间序列;AR近似;高维凸高斯近似;乘法器引导;全局最优预测
PDF格式BibTeX公司 XML格式引用
\textit{X.Ding}和\textit{Z.Zhou}，Ann.Stat.51，No.3，1207--1231（2023；Zbl 07732745）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Baxter，G.（1962年）。有限预测器的渐近结果。数学。扫描。10 137-144. ·Zbl 0112.09401号 ·doi:10.7146/math.scanda.a-10520
[2] 巴克斯特·G（1963）。“有限截面”Wiener-Hopf方程的范数不等式。伊利诺斯州数学杂志。7 97-103. ·Zbl 0113.09101号
[3] BROCKWELL，P.J.和DAVIS，R.A.（1987年）。时间序列:理论与方法.统计学中的施普林格系列纽约州施普林格·Zbl 0604.62083号 ·数字对象标识代码：10.1007/9781-4899-0004-3
[4] 蔡天涛、刘伟和周华华（2016）。估计稀疏精度矩阵：最佳收敛速度和自适应估计。安。统计师。44 455-488. ·Zbl 1341.62115号 ·doi:10.1214/13-AOS1171
[5] 陈，L.和方，X.（2011）。Stein方法的多元正态近似：浓度不等式方法。ArXiv预印本。可从ArXiv:11111.4073获得。
[6] 陈曦（2007）。半非参数模型的大样本筛选估计。在计量经济学手册，卷（6B）（J.J.Heckman和E.E.Leamer编辑）。第76章。
[7] CHEN，X.，XU，M.和WU，W.B.（2013）。高维时间序列的协方差和精度矩阵估计。安。统计师。41 2994-3021. ·Zbl 1294.62123号 ·doi:10.1214/13-AOS1182
[8] DAHLHAUS，R.（2000）。局部平稳过程的似然近似。安。统计师。28 1762-1794. ·Zbl 1010.62078号 ·doi:10.1214/aos/1015957480
[9] DAHLHAUS，R.（2012）。局部平稳过程。在统计手册30 351-413. 阿姆斯特丹爱思唯尔。
[10] DAHLHAUS，R.、RICHTER，S.和WU，W.B.（2019年）。走向非线性局部平稳过程的一般理论。伯努利25 1013-1044. ·Zbl 1427.60057号 ·doi:10.3150/17-bej1011
[11] DAHLHAUS，R.和SUBBA RAO，S.（2006）。时变ARCH过程的统计推断。安。统计师。34 1075-1114之间·Zbl 1113.62099号 ·doi:10.1214/0090536000000227
[12] DAS，S.和POLITIS，D.N.（2021）。局部平稳时间序列的预测推断及其在气候数据中的应用。J.Amer。统计师。协会。116 919-934. ·Zbl 1464.62379号 ·doi:10.1080/016214592019.1708368
[13] DEMKO，S.、MOSS，W.F.和SMITH，P.W.（1984）。带矩阵逆矩阵的衰减率。数学。公司。43 491-499. ·Zbl 0568.15003号 ·doi:10.2307/2008290
[14] DETTE，H.、PREUSS，P.和VETTER，M.（2011年）。局部平稳过程平稳性的度量及其在测试中的应用。J.Amer。统计师。协会。106 1113-1124. ·Zbl 1229.62119号 ·doi:10.1198/jasa.2011.tm10811
[15] DETTE，H.和WU，W.（2022年）。局部平稳时间序列的预测。J.总线。经济。统计人员。40 370-381. ·doi:10.1080/07350015.2020.1819296
[16] Dette，H.、Wu，W.和Zhou，Z.（2019年）。非平稳时间序列相关性的变点分析。统计师。西尼卡29 611-643. ·Zbl 1433.62257号
[17] 丁旭和周哲（2020）。非平稳时间序列精度矩阵的估计和推断。安。统计师。48 2455-2477. ·兹比尔1471.62461 ·doi:10.1214/19-AOS1894
[18] 丁旭和周哲（2023）。补充“非平稳时间序列的自回归近似及其推理和应用”https://doi.org/10.1214/23-AOS2288SUPP网站 ·Zbl 07732745号
[19] 丁旭和周志明（2021）。时间非均匀非线性时间序列回归的同时筛选推断。ArXiv预印本。可从ArXiv:2112.08545获得。
[20] DWIVEDI，Y.和SUBBA RAO，S.（2011年）。一种基于离散傅立叶变换的时间序列二阶平稳性测试。J.时间序列分析。32 68-91. ·Zbl 1290.62059号 ·文件编号：10.1111/j.1467-9892.2010.00685.x
[21] 方X（2016）。具有最佳已知速率的有界可分解随机向量的多元CLT。J.理论。普罗巴伯。1510-1523年·Zbl 1367.60017号 ·doi:10.1007/s10959-015-0619-7
[22] FRYZLEWICZ，P.、VAN BELLEGEM，S.和VON SACHS，R.（2003）。利用小波过程建模预测非平稳时间序列。Ann.Inst.统计。数学。55 737-764. ·Zbl 1047.62085号 ·doi:10.1007/BF02523391
[23] JIN，L.，WANG，S.和WANG，H.（2015）。一种新的时间序列时域非参数平稳性检验方法。J.R.统计社会服务。B.统计方法。77 893-922. ·Zbl 1414.62369号 ·doi:10.1111/rssb.12091
[24] KANG，X.，DENG，X..，TSUI，K.-W.和POURAHMADI，M.（2020年）。关于估计时变协方差矩阵的修正Cholesky分解的变量排序。国际统计版次。88 616-641. ·Zbl 1528.62026号 ·doi:10.1111/insr.12357
[25] KARMAKAR，S.、RICHTER，S.和WU，W.B.（2022年）。时变模型的同时推理。J.计量经济学227 408-428·Zbl 07491166号 ·doi:10.1016/j.jeconom.2021.03.002
[26] Kley，T.、PreuSS，P.和Fryzlewicz，P.（2019年）。平稳性和非平稳性下时间序列的预测有限样本模型选择。电子。J.统计。13 3710-3774. ·Zbl 1432.62323号 ·doi:10.1214/19-ejs1606
[27] 科尔莫戈洛夫，A.N.（1941）。希尔伯特空间中的平稳序列。莫斯科大学数学。牛。2 1-40·Zbl 0063.03291号
[28] 科尔莫戈洛夫，A.N.（1941）。平稳随机序列的内插和外推。伊兹夫。罗斯。阿卡德。Nauk Ser.（诺克爵士）。材料。5 3-14. ·Zbl 0024.15901号
[29] MAYER，U.，ZïHLE，H.和ZHOU，Z.（2020）。非平稳时间序列局部经验过程的泛函弱极限定理及其应用。伯努利26 1891-1911. ·Zbl 1437.62336号 ·doi:10.3150/19-BEJ1174
[30] NASON，G.（2013）。局部平稳时间序列局部自方差的二阶平稳性和近似置信区间的检验。J.R.统计社会服务。B.统计方法。75 879-904. ·Zbl 1411.62259号 ·doi:10.1111/rssb.12015
[31] 帕帕罗蒂斯，E.（2009）。测试时间序列谱结构的时间恒常性。伯努利15 1190-1221. ·Zbl 1200.62049号 ·doi:10.3150/08-BEJ179
[32] 帕帕罗蒂斯，E.（2010）。通过滚动局部周期图验证时间序列分析中的平稳性假设。J.Amer。统计师。协会。105 839-851. ·Zbl 1392.62275号 ·doi:10.1198/jasa.2010.tm08243
[33] PAPARODITIS，E.和PREUSS，P.（2016年）。关于基于频域的平稳性测试的局部功率特性。扫描。J.统计。43 664-682. ·Zbl 1468.62298号 ·doi:10.1111/sjos.12197
[34] POURAHMADI，M.（1999）。纵向数据应用的联合均值-方差模型：无约束参数化。生物特征86 677-690. ·Zbl 0949.62066号 ·doi:10.1093/biomet/86.3.677
[35] PREUSS，P.、VETTER，M.和DETTE，H.（2013）。基于经验过程的平稳性测试。伯努利19 2715-2749. ·兹比尔1281.62183 ·文件编号：10.3150/12-BEJ472
[36] Robinson，P.M.（1997）。具有相依误差的非参数回归的大样本推断。安。统计师。25 2054-2083. ·Zbl 0882.62039号
[37] 罗森布拉特，M.（1952）。关于一个多元变换的注释。安。数学。斯达。23 470-472. ·Zbl 0047.13104号 ·doi:10.1214/aoms/1177729394
[38] ROUEFF，F.和SáNCHEZ-PéREZ，A.（2018年）。用自回归预测弱局部平稳过程。ALEA Lat.Am.J.Probab公司。数学。斯达。15 1215-1239. ·Zbl 1404.62094号 ·doi:10.30757/alea.v15-45
[39] SHERK，J.（2014）。不找工作:复苏期间劳动力参与度下降的原因。网址：https://www.heritage.org/jobs-and-labor/report/not-looking-work-why-labor-force-participation-has-fallen-during-the-recovery。
[40] Stone，C.J.（1982）。非参数回归的最优全局收敛速度。安。统计师。10 1040-1053. ·Zbl 0511.62048号
[41] VOGT，M.（2012）。局部平稳时间序列的非参数回归。安。统计师。40 2601-2633. ·Zbl 1373.62459号 ·doi:10.1214/12-AOS1043
[42] WIENER，N.（1949年）。平稳时间序列的外推、插值与平滑.威利，纽约·Zbl 0036.09705号
[43] WOLD，H.（1954）。平稳时间序列分析的研究斯德哥尔摩Almqvist&Wiksell。第二版，附彼得·惠特尔的附录·Zbl 0055.13401号
[44] WU，W.和ZHOU，Z.（2019）。复杂时间动力学下的多尺度跳跃测试和估计。ArXiv预印本。可从ArXiv:1909.06307获得。
[45] Wu，W.B.（2005）。非线性系统理论：从另一个角度看相关性。程序。国家。阿卡德。科学。美国102 14150-14154. ·Zbl 1135.62075号 ·doi:10.1073/pnas.0506715102
[46] WU，W.B.和MIELNICZUK，J.（2010）。衡量依赖性的新视角。在概率论与统计学中的相关性.莱克特。票据统计。200 123-142. 施普林格，柏林。 ·doi:10.1007/978-3-642-14104-17
[47] Wu，W.B.和Zhao，Z.（2007）。时间序列趋势推断。J.R.统计社会服务。B.统计方法。69 391-410. ·Zbl 07555358号 ·文件编号：10.1111/j.1467-9868.2007.00594.x
[48] 袁明（2010）。基于线性规划的高维逆协方差矩阵估计。J.马赫。学习。物件。11 2261-2286. ·Zbl 1242.62043号
[49] 赵总（2015）。局部平稳模型中局部自相关的推断。J.总线。经济。统计人员。33 296-306. ·doi:10.1080/07350015.2014.948177
[50] Zhou，Z.（2013）。异方差和自相关稳健结构变化检测。J.Amer。统计师。协会。108 726-740. ·Zbl 06195974号 ·doi:10.1080/01621459.2013.787184
[51] Zhou，Z.和Wu，W.B.（2009）。非平稳时间序列的局部线性分位数估计。安。统计师。37 2696-2729. ·Zbl 1173.62066号 ·doi:10.1214/08-AOS636
[52] ZHOU，Z.和WU，W.B.（2010）。时变系数线性模型的同时推理。J.R.统计社会服务。B.统计方法。72 513-531 ·Zbl 1411.62267号 ·文件编号：10.1111/j.1467-9868.2010.00743.x
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，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。