高维非平稳时间序列动态网络的估计
统计理论
2020-02-19 v4 统计理论
摘要
本文研究高维非平稳时间序列的时变网络估计。考虑两类动态行为：结构突变（即突变点）与平滑变化。为同时处理这两类时变特征，提出一种两步法：首先基于比较样本协方差矩阵上局部平均值的差异来识别多个变点位置，然后基于每段上核化的时变约束 逆矩阵估计（CLIME）估计量恢复图支撑。在温和矩与相依条件下，我们导出了估计变点与精度矩阵的收敛速率。特别地，我们证明该两步法在某些高维缩放极限下能一致地估计变点与分段平滑精度矩阵函数。该方法被应用于 2003 至 2008 年间 S&P 500 指数网络结构的分析。
引用
@article{arxiv.1911.06385,
title = {Estimation of dynamic networks for high-dimensional nonstationary time series},
author = {Mengyu Xu and Xiaohui Chen and Wei Biao Wu},
journal= {arXiv preprint arXiv:1911.06385},
year = {2020}
}