[论文解读] Moment convergence in mixed-rates Sparse-Bridge estimation
本文在混合速率M-估计设定下建立了稀疏桥接估计量的矩收敛性，其中统计随机场可能不可微且不具有局部二次性。通过利用Yoshida在混合速率渐近下的多项式型大偏差估计，证明了一类广义正则化M-估计量的矩强收敛性，特别应用于高频遍历扩散模型。
In $M$-estimation under standard asymptotics, the weak convergence combined with the polynomial type large deviation estimate of the associated statistical random field Yoshida (2011) provides us with not only the asymptotic distribution of the associated $M$-estimator but also the convergence of its moments, the latter playing an important role in theoretical statistics. In this paper, we study the above program for statistical random fields of multiple and also possibly mixed-rates type in the sense of Radchenko (2008) where the associated statistical random fields may be non-differentiable and may fail to be locally asymptotically quadratic. Consequently, a very strong mode of convergence of a wide range of regularized $M$-estimators is ensured. The results are applied to regularized estimation of an ergodic diffusion observed at high frequency.
研究动机与目标
- 将标准渐近下的矩收敛结果扩展到统计随机场不可微且不具局部二次性的混合速率M-估计设定中。
- 解决当经典正则性条件（如局部二次性）失效时，矩收敛的理论挑战。
- 为高斯扩散模型中正则化M-估计量的渐近行为提供严格的理论基础。
- 将Yoshida的多项式型大偏差框架推广至混合速率情形，以确保矩的强收敛性。
提出的方法
- 将Yoshida（2011）的多项式型大偏差估计适应于具有多重和混合收敛速率的统计随机场。
- 分析在不可微和非局部二次随机场下的M-估计方程结构，此类场在稀疏桥接估计中具有典型性。
- 应用Radchenko（2008）的混合速率框架，以建模具有异质收敛速率的统计场。
- 通过在混合速率尺度下结合弱收敛性与多项式型大偏差估计，建立矩收敛性。
- 利用该框架推导出遍历扩散过程中正则化M-估计量的统一可积性与矩收敛性。
- 将理论结果应用于遍历扩散的高频观测方案，其中混合速率行为自然出现。
实验结果
研究问题
- RQ1当统计随机场不可微且不满足局部二次性时，是否可为正则化M-估计量建立矩收敛性？
- RQ2多项式型大偏差估计如何推广至M-估计中的混合速率渐近框架？
- RQ3在混合速率尺度下，稀疏桥接估计中何种条件可确保强矩收敛性？
- RQ4Yoshida框架在具有多重收敛速率的非标准渐近情形下，可多大程度上被推广？
- RQ5所提出的方法在具有混合速率行为的高频遍历扩散估计中如何应用？
主要发现
- 在混合速率渐近下，即使统计随机场不可微，也已为一大类正则化M-估计量建立了矩收敛性。
- 多项式型大偏差估计成功推广至混合速率设定，使在经典正则性条件之外实现矩收敛成为可能。
- 该框架确保了在高频遍历扩散模型中稀疏桥接估计量的矩强收敛性。
- 该方法通过依赖混合速率收敛结构与统一可积性，克服了局部渐近二次性失效的问题。
- 理论结果为高频统计中标准渐近理论可能不适用的推断提供了稳健基础。
- 该方法将Yoshida的矩收敛框架推广至非光滑与非二次估计函数，显著拓宽了其在高维与稀疏估计中的适用范围。
更好的研究，从现在开始
从论文设计到论文写作，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。