时间序列的灵活条件密度估计
统计方法学
2023-01-25 v1 机器学习
机器学习
摘要
本文介绍 FlexCodeTS，一种用于时间序列的新型条件密度估计器。FlexCodeTS 是一种灵活的非参数条件密度估计器，可基于任意回归方法。研究表明，FlexCodeTS 继承了所选回归方法的收敛速率。因此，FlexCodeTS 可通过采用最契合数据结构特征的回归方法来调整其收敛性。从经验角度，FlexCodeTS 在模拟与真实数据中与 NNKCDE 和 GARCH 进行比较。结果表明，根据 CDE 损失或分位数损失（pinball loss），FlexCodeTS 在所选方法中总体取得最佳性能。
引用
@article{arxiv.2301.09671,
title = {Flexible conditional density estimation for time series},
author = {Gustavo Grivol and Rafael Izbicki and Alex A. Okuno and Rafael B. Stern},
journal= {arXiv preprint arXiv:2301.09671},
year = {2023}
}
备注
19 pages, 7 figures