时间序列图形套索和稀疏VAR估计
摘要：改进了Davis等人（2016）中的两阶段稀疏向量自回归（sVAR）方法，通过提出一种替代的两阶段修正sVAR方法，在第一阶段依赖于时间序列图形Lasso来估计稀疏逆谱密度，并使用误发现率（FDR）过程来精化AR系数矩阵的非零条目。我们的方法具有避免求解谱密度矩阵的优点，但必须处理具有复值条目的Hermitian矩阵的优化问题。它在计算时间上显著改善，并且在预测性能上损失很小。我们研究了我们提出的方法的性质，并使用模拟和实际宏观经济数据集比较了两种方法的性能。我们的模拟结果表明，当目标是学习AR系数矩阵的结构时，推荐使用提出的修正或msVAR，而当最终任务是预测时，sVAR优于msVAR。
作者：Aramayis Dallakyan, Rakheon Kim, Mohsen Pourahmadi
论文ID：2107.01659
分类：Computation
分类简称：stat.CO
提交时间：2021-07-06