位置、尺度与形状的 Markov 切换广义加性模型中的梯度提升
统计方法学
2018-05-18 v2 统计计算
摘要
我们提出了一类新颖的灵活潜状态时间序列回归模型，称之为位置、尺度与形状的 Markov 切换广义加性模型。与传统的 Markov 切换回归模型相比，所提出的方法允许我们将响应分布的不同状态依赖参数——不仅是均值，还包括方差、偏度和峰度参数——建模为给定一组解释变量的潜在平滑函数。此外，可为响应指定的可能分布集不局限于指数族，还包括例如多种 Box-Cox 变换、零膨胀和混合分布。我们提出了一种基于 EM 算法的估计方法，其中我们使用梯度提升框架来防止过拟合，同时执行变量选择。通过模拟实验评估了所提方法的可行性，并在真实数据环境中进行了说明，其中我们建模了西班牙能源每日平均价格随时间的条件分布。
引用
@article{arxiv.1710.02385,
title = {Gradient boosting in Markov-switching generalized additive models for location, scale and shape},
author = {Timo Adam and Andreas Mayr and Thomas Kneib},
journal= {arXiv preprint arXiv:1710.02385},
year = {2018}
}