具有非独立同分布新息的高维向量自回归时间序列的统计推断

独立或独立同分布（i.i.d.）新息是文献中分析向量时间序列的基本假设。然而，该假设要么对真实时间序列过于严格而难以满足，要么难以通过假设检验验证。本文对稀疏高维向量自回归时间序列进行统计推断，允许其白噪声新息相关，甚至非平稳。为实现此目标，它采用后选择估计量拟合向量自回归模型，并推导了后选择估计量的渐近分布。自回归时间序列中的新息不被假设为独立，这使得自回归系数估计量的协方差矩阵复杂且难以估计。我们的工作开发了一种 bootstrap 算法，以协助从业者进行统计推断，而无需进行复杂计算。仿真与真实数据实验揭示了所提方法和理论结果的有效性。真实数据很少被认为精确满足具有独立或 i.i.d. 新息的自回归模型，因此与假设 i.i.d. 新息的文献相比，我们的工作应更好地反映现实。