近日，由团队常晋源教授、博士后陈骋、伦敦政治经济学院乔兴昊副教授和姚琦伟教授合作完成的论文“An autocovariance-based learning framework for high-dimensional functional time series”被计量经济学国际顶级学术期刊《Journal of Econometrics》正式接收。
内容简介
该论文研究了如何基于具有噪音污染的观测对感兴趣的高维函数型时间序列模型进行估计，提出了一种“三步走”的框架：首先基于观测序列的自协方差信息构造算子，通过对该算子进行谱分解将原有模型中的函数型参数的估计问题转换为欧式空间中的参数估计问题；然后通过自协方差信息得到关于欧式空间中未知参数的分块正则化最小距离估计(Block regularized minimum distance estimation)；最后将得到的估计通过一一映射转化为关于原有模型中函数型参数的估计。本文系统研究了所提方法的理论性质，并在“标量对函数回归”、“函数对函数回归”以及“函数型向量自回归”三种高维函数型时间序列模型上分析了相应估计的收敛速度。数值模拟和实例分析表明了所提方法的优越性。
作者简介
常晋源，西南财经大学数据科学与商业智能联合实验室执行主任，光华特聘教授、博士生导师、国家杰出青年科学基金获得者、四川省特聘专家、四川省统计专家咨询委员会委员。主要从事超高维数据分析和高频金融数据分析两个领域的研究。
陈骋，西南财经大学统计学院博士后，合作导师为常晋源教授。主要从事函数型数据分析和高维时间序列分析等领域的研究。
乔兴昊，英国伦敦政治经济学院副教授。主要从事函数型数据分析、复杂时间序列分析、高维统计和非参数贝叶斯等领域的研究。
姚琦伟，英国伦敦政治经济学院讲席教授，Fellow of Institute of Mathematical Statistics，Elected member of International Statistical Institute，Fellow of American Statistical Association。主要从事时间序列分析、高维时间序列建模和预测、降维和因子建模、动态网络建模、时空建模、金融计量经济学和非参数回归等领域研究。
