高维平稳时间序列的稀疏主成分分析
统计理论
2021-09-17 v3 统计理论
摘要
我们考虑高维平稳过程的稀疏主成分分析。当过程维度较大时，标准主成分分析表现不佳。我们为包含重尾时间序列的过程建立了惩罚主成分估计量的预言不等式。给出了估计量的收敛速率。我们还阐明了惩罚估计量中调谐参数选择的理论速率。通过数值模拟展示了稀疏主成分分析的性能。通过将该方法应用于平均气温数据，例证了稀疏主成分分析对时间序列数据的效用。
引用
@article{arxiv.2109.00299,
title = {Sparse principal component analysis for high-dimensional stationary time series},
author = {Kou Fujimori and Yuichi Goto and Yan Liu and Masanobu Taniguchi},
journal= {arXiv preprint arXiv:2109.00299},
year = {2021}
}
备注
29 pages, 5 figures