稀疏向量误差修正模型的鲁棒极大似然估计
机器学习
2017-10-17 v1 数值分析
统计金融
应用统计
统计计算
摘要
在计量经济学和金融学中，向量误差修正模型(VECM)是用于协整分析的重要时间序列模型，用以估计长期均衡变量关系。传统分析和估计方法假设底层高斯分布，但在实践中，重尾数据和离群值会导致这些方法不适用。本文提出一种基于柯西分布的鲁棒模型估计方法来解决此问题。此外，考虑稀疏协整关系以实现特征选择和降维。应用基于优超最小化(MM)方法的高效算法求解所提出的非凸问题。通过数值模拟展示了该算法的性能。
引用
@article{arxiv.1710.05513,
title = {Robust Maximum Likelihood Estimation of Sparse Vector Error Correction Model},
author = {Ziping Zhao and Daniel P. Palomar},
journal= {arXiv preprint arXiv:1710.05513},
year = {2017}
}
备注
5 pages, 3 figures, to appear in Proc. of the 2017 5th IEEE Global Conference on Signal and Information Processing (GlobalSIP)