2026-10-02 每日 arXiv 资讯¶

✍️ 手动录入的论文（精读）¶

你手动录入（粘贴 arXiv 链接 / 标题）申请精读、或收藏后补读的论文，由当天的定时任务精读。点标题旁的 🔍 精读 查看解读。

作者: Karsten Reichold, Ulrike Schneider
相关性 4/10 · novelty: new_method
摘要: 本文研究协整回归中自适应LASSO估计量的渐近性质，允许回归元是否为精确单位根过程存在不确定性。作者在标准渐近和移动参数渐近下推导了模型选择概率、估计量相合性和极限分布，并给出了均匀收敛速率以及可检测的最快局部到零速率。对于相合调参，构造了易于实现、在参数空间上均匀有效且无需估计局部到单位根或长期协方差参数的置信区域。模拟显示有限样本分布可能显著偏离oracle性质，而移动参数渐近提供更准确的近似。所提置信区域总是可行且覆盖可靠，实证应用预测美国失业率展示了其实际用途。
关键技术: adaptive LASSO, cointegrating regression, local-to-unity asymptotics, moving-parameter asymptotics, uniform confidence regions
为什么对您有用: 本文属于时间序列中的模型选择与推断，与您的主兴趣（假设检验、高维统计）有方法学关联，但并非核心子方向。作为gateway阅读，它展示了在非标准渐近下构造均匀置信区域的方法，可能对您在高维或半参数推断中的稳健推断有启发。武器库中的非参数统计和M估计理论足以理解主要思想，但时间序列特有的局部到单位根渐近并非您熟悉领域，因此暂不可直接开展后续工作。

Maintained by 陈星宇 · Homepage · Source on GitHub