高维稀疏向量自回归中参数的置信区间
统计方法学
2020-09-22 v1
摘要
向量自回归（VAR）模型被广泛用于分析多个变量随时间的相互关系。对VAR模型转移矩阵的估计与推断，对经济学与金融等领域从业者做决策至关重要。然而，当变量数大于样本量时，对模型参数进行统计推断仍具挑战。本文提出去偏Lasso与两种自助去偏Lasso方法，以构造高维VAR模型转移矩阵元素的置信区间。我们证明在适当稀疏性及其他正则条件下，所提方法渐近有效。为实现这些方法，我们开发了可行且可并行的算法，大幅节省了nodewise Lasso与自助法所需的计算量。模拟研究说明我们的方法在有限样本下表现良好。最后，我们将方法应用于分析2019年标普500指数中股票的价格数据，发现部分股票（如全球最大黄金生产商Newmont Corporation）对多数股票具有显著预测力。
引用
@article{arxiv.2009.09462,
title = {Confidence intervals for parameters in high-dimensional sparse vector autoregression},
author = {Ke Zhu and Hanzhong Liu},
journal= {arXiv preprint arXiv:2009.09462},
year = {2020}
}