动态回归预测模型阶数的逆向时间选择
应用统计
2013-01-14 v1 统计方法学
机器学习
摘要
我们研究了用于多变量时间序列预测的动态回归模型的最优结构，并提出了一种名为“逆向时间选择”（Backward-in-Time Selection, BTS）的方案来构建滞后变量结构，该方案考虑了多变量时间序列中常存在的反馈和多重共线性。我们将 BTS 与其他已知方法进行了比较，同时也结合了用于模型参数估计的正则化技术，即主成分、偏最小二乘和岭回归估计。通过针对不同反馈和多重共线性设置的蒙特卡洛模拟，评估了不同模型的预测效率。结果表明，BTS 始终具有良好的预测性能，而其他流行方法的表现则参差不齐且往往较差。在针对癫痫发作的人体脑电图测试以及世界金融市场指数回报预测中，BTS 的预测性能也被发现是最佳的。
引用
@article{arxiv.1301.2410,
title = {Backward-in-Time Selection of the Order of Dynamic Regression Prediction Model},
author = {Ioannis Vlachos and Dimitris Kugiumtzis},
journal= {arXiv preprint arXiv:1301.2410},
year = {2013}
}
备注
42 pages, 3 figures, accepted for publication in the Journal of Forecasting