非平稳时间序列的等变在线预测
统计理论
2023-06-21 v5 计量经济学
统计方法学
机器学习
统计理论
摘要
我们讨论了模型误设下非平稳时间序列在线预测的有限样本理论性质。为分析此设定下统计方法的理论预测性质，我们首先定义Kullback-Leibler风险，以将问题置于决策理论框架中。在此框架下，我们表明一类特定的动态模型——随机游走动态线性模型——产生精确的极小极大预测密度。我们首先在高斯假设下展示该结果，随后利用半鞅过程放宽该假设。该结果为其他模型在非平稳和平稳时间序列数据下提供了比较的理论基线。我们将结果扩展到多个预测密度的合成。流行病学、气候学和经济学的三个热点应用证实并凸显了我们的理论结果。
引用
@article{arxiv.1911.08662,
title = {Equivariant online predictions of non-stationary time series},
author = {Kōsaku Takanashi and Kenichiro McAlinn},
journal= {arXiv preprint arXiv:1911.08662},
year = {2023}
}