基于混沌与 NSGA-II 的宏观经济时间序列最优预测区间
神经与进化计算
2021-02-24 v1 机器学习
摘要
在一项首创性研究中，本文提出将时间序列中预测区间（PIs）的构建表述为一个双目标优化问题，并借助非支配排序遗传算法（NSGA-II）求解。我们还提出将时间序列中存在的混沌建模为预处理器，以对时间序列中存在的确定性不确定性进行建模。尽管所提模型为通用目的，此处用于量化宏观经济时间序列预测中的不确定性。理想的 PIs 应尽可能窄，同时捕获大部分数据点。基于这两个目标，我们构建了一个双目标优化问题，以两阶段生成 PIs：第一阶段利用混沌理论重构相空间，随后利用 NSGA-II 生成最优点预测，这些点预测进而用于获得 PIs（第二阶段）。我们还提出了一种三阶段混合模型，其中第三阶段再次调用 NSGA-II，以求解由第二阶段所得点预测构建 PIs 的问题。所提模型应用于宏观经济时间序列时，在预测区间覆盖概率（PICP）与预测区间平均宽度（PIAW）方面均优于最先进的带梯度下降（GD）的上下界估计方法（LUBE）。三阶段模型相比两阶段模型获得了更好的 PICP，但在 PIAW 上表现相近，且因再次运行 NSGA-II 增加了计算成本。
引用
@article{arxiv.2102.11427,
title = {Optimal Prediction Intervals for Macroeconomic Time Series Using Chaos and NSGA II},
author = {Vangala Sarveswararao and Vadlamani Ravi and Sheik Tanveer Ul Huq},
journal= {arXiv preprint arXiv:2102.11427},
year = {2021}
}
备注
23 pages, 16 figures and 8 Tables