关于使用多元指数平滑框架预测需求的注解
摘要：多变量指数平滑广泛用于预测经济时间序列。这是因为计算速度快且通常能提供准确的预测。然而，其多变量版本由于估计引起的复杂性问题而受到较少关注。事实上，标准的多变量最大似然方法受到数值收敛问题和复杂度增长的影响，其复杂度与模型的维度相关。在本文中，我们介绍了一种新的多变量指数平滑的估计策略，该策略基于将其观测聚合为标量模型并对其进行估计。原始的高维最大似然问题被分解为多个易于解决的单变量问题。与多变量最大似然方法相反，建议的算法不会受到模型维度的重大影响。该方法可用于时间序列预测。此外，模拟结果表明，在我们的测试问题中，我们的方法至少与最大似然估计器在基础的VMA(1)表示上表现一样好。
作者：Federico Poloni and Giacomo Sbrana
论文ID：1411.4134
分类：Computation
分类简称：stat.CO
提交时间：2021-03-17