依赖下大自协方差矩阵的矩界
统计理论
2019-05-27 v2 概率论
统计理论
摘要
本文目标是在弱数据依赖下,获得大样本自协方差矩阵偏离其期望的矩界。尽管对应于独立数据的协方差矩阵估计精度已被充分理解,依赖数据情形下的认知仍相当有限。我们朝填补此空白迈进一步,建立了仅依赖于控制数据“内禀维数”的参数(至多差若干对数项)的偏离界。我们的结果对高维时间序列分析有直接影响,并将其应用于高维线性 VAR() 模型、向量值 ARCH 模型,以及 Banna 等人(2016)所用模型。
引用
@article{arxiv.1809.08760,
title = {Moment bounds for large autocovariance matrices under dependence},
author = {Fang Han and Yicheng Li},
journal= {arXiv preprint arXiv:1809.08760},
year = {2019}
}
备注
to appear in Journal of Theoretical Probability