基于单向动态主成分的多时间序列预测
统计方法学
2017-08-17 v1
摘要
我们将时间序列的单向动态主成分（ODPC）定义为序列当前值和过去值的线性组合，旨在最小化重构均方误差。以往对动态主成分的定义依赖于序列的过去值和未来值，因此不适合用于预测目的。相反，本文表明所引入的ODPC可成功用于高维多元时间序列的预测。我们提出了一种交替最小二乘算法来计算所提出的ODPC。我们证明，对于平稳且遍历的时间序列，估计值会收敛到其总体对应值。我们还证明，当序列数量和样本量均趋于无穷时，若数据遵循动态因子模型，则用ODPC得到的重构在均方误差意义上收敛于因子模型的公共部分。蒙特卡洛结果表明，基于ODPC的预测与其他基于动态因子模型的预测方法相比具有优势。
引用
@article{arxiv.1708.04705,
title = {Forecasting Multiple Time Series with One-Sided Dynamic Principal Components},
author = {Daniel Peña and Ezequiel Smucler and Victor J. Yohai},
journal= {arXiv preprint arXiv:1708.04705},
year = {2017}
}