用于多元时间序列动态建模的高效贝叶斯偏自相关方法
统计方法学
2019-07-23 v1 应用统计
统计计算
摘要
提出一种贝叶斯格型滤波与平滑方法，用于多元非平稳时间序列的快速准确建模与推断。该方法在多元情形下提供计算可行性以及可解释的时间-频率分析。所提框架使我们能够获得各个时间序列分量的时变谱密度的后验估计，以及跨多个分量的时频关系的后验度量，如时变相干与偏相干。所提公式考虑前向与后向时变偏自相关系数（TV-VPARCOR）上的多元动态线性模型（MDLM）。通过在 MDLM 上下文中使用近似，避免了对多元动态 PARCOR 模型进行后验推断的计算昂贵方案。通过 Whittle 算法获得相应时变向量自回归（TV-VAR）系数的近似推断。所提 TV-VPARCOR 表示的一个关键方面是它们维度更低，因此比 TV-VAR 表示更高效。TV-VPARCOR 模型的性能在模拟研究以及神经科学和环境应用中出现的多元非平稳时间数据分析中得到说明。模型性能通过使用时间-频率域的拟合优度度量以及通过评估短期预测质量来评估。
引用
@article{arxiv.1907.08733,
title = {Efficient Bayesian PARCOR Approaches for Dynamic Modeling of Multivariate Time Series},
author = {Wenjie Zhao and Raquel Prado},
journal= {arXiv preprint arXiv:1907.08733},
year = {2019}
}