巨大次元におけるスパースBayesベクトル自己回帰【JST・京大機械翻訳】

Kastner Gregor; Huber Florian

プレプリント

J-GLOBAL ID：202202221474441220 整理番号：22P0040483

巨大次元におけるスパースBayesベクトル自己回帰【JST・京大機械翻訳】

Sparse Bayesian vector autoregressions in huge dimensions

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 (2件)： ,
資料名：
発行年： 2017年04月11日プレプリントサーバーでの情報更新日： 2019年12月04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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

大規模情報集合を扱うことができる多変量確率的揮発性を有するBayesベクトル自己回帰(VAR)モデルを開発した。3つの特徴を導入し,モデルの信頼できる推定を可能にした。最初に,VARにおける縮小型誤差が,条件付き方程式ごとの推定を可能にする因子確率的揮発性構造を特徴とすると仮定した。第2に,著者らは,次元のurseを硬化するために,VAR係数の前に,最近開発したグローバル局所収縮を適用した。第3に,高次元多変量Gauss分布から効率的にサンプリングする最近の革新を利用した。これは,次元が大きいが,時系列長が中程度であるとき,シミュレーションベースの完全Bayes推論を実行可能にする。広範なシミュレーション研究における著者らのアプローチの利点を実証し,その予測能力を評価するためにUSマクロ経済データにモデルを適用した。【JST・京大機械翻訳】

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

人工知能

前のページに戻る