稳定的降秩 VAR 识别

向量自回归 (VAR) 已广泛应用于系统识别、计量经济学、自然科学及许多其他领域。然而，当状态维度变大时，参数维度会爆炸式增长。因此，降秩建模具有吸引力且已得到良好发展。但几乎所有应用中的一个基本要求是拟合模型的稳定性，而这在降秩情形中尚未得到解决。在此，我们首次开发了一个降秩转移矩阵估计量的闭式公式，该估计量保证是稳定的。我们证明了我们的估计量是一致的且渐近统计有效的，并在对比模拟中进行了说明。