大規模ベクトル自己回帰移動平均のスパース同定と推定【JST・京大機械翻訳】

Wilms Ines; Basu Sumanta; Bien Jacob; Matteson David S.

プレプリント

J-GLOBAL ID：202202200369378892 整理番号：21P0004772

大規模ベクトル自己回帰移動平均のスパース同定と推定【JST・京大機械翻訳】

Sparse Identification and Estimation of Large-Scale Vector AutoRegressive Moving Averages

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2017年07月28日プレプリントサーバーでの情報更新日： 2021年06月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ベクトル自己回帰移動平均(VARMA)モデルは,多変量時系列の理論に基本的である。しかし,識別可能性の問題は,より簡単でより制限的なベクトル自己回帰(VAR)モデルを好むように,実務者を放棄する。このギャップを,節約の原理で構築したVARMA同定への新しい最適化ベースアプローチで狭めた。すべての等価データ生成モデルの中で,凸最適化を用いて,ある意味で「最も単純な」であるパラメタリゼーションを追求した。ユーザ指定強凸ペナルティを用いて,モデル単純性を測定し,次に,同じペナルティを用いて,効率的に計算できる推定器を定義した。二重漸近領域における推定子の一貫性を確立した。非漸近誤差限界解析は,大規模VARMAアルゴリズムを研究するのに重要な特徴である,モデル仕様とパラメータ推定ステップの両方に適応した。また,この解析は,無限次数VARのペナルティ推定と,回帰器の特異共分散構造の下での弾性ネット回帰に関する新しい結果を提供し,それは独立した興味の可能性がある。3つの実データ例におけるVAR代替案に対する著者らの方法の利点を説明した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , 【Automatic Indexing@JST】

数値計算

, , ,

前のページに戻る