网络上时间变化性溢出的状态空间建模
统计方法学
2025-12-23 v1 统计理论
统计理论
摘要
许多现代时间序列 arise on networks，其中每个分量附着于节点，互动遵循观察到的边。经典的时间变动参数 VAR (TVP-VAR) 对所有序列对称地对待并忽略了这种结构，而网络自回归模型则利用给定的图但通常施加恒定参数和平稳性。我们发展了网络状态空间模型，其中低维潜在状态控制时间变化的网络溢出、滞后持久性和节点协变量效应。一个关键的特殊情况是网络时间变动参数 VAR (NTVP-VAR)，它约束每个滞后矩阵为已知网络算子（如归一化邻接矩阵和恒等矩阵）的线性组合，并让相关系数随时间随机变化。该框架嵌套了高斯和泊松网络自回归模型、带图差分的网络 ARIMA 模型，以及由多元Logistic回归驱动的动态边模型。我们给出确保 NTVP-VAR 在非平稳状态下第二矩良好定义的条件，描述网络稳定性和局部平稳性的网络版本，并讨论高维图的收缩、阈值和低秩张量结构。概念上，网络状态空间模型将互动可能发生的地方 (图) 与如何在每个时间其强度 (潜在状态) 分开，为无结构 TVP-VAR 和现有网络时间序列模型提供了一个可解释的替代方案。
关键词
引用
@article{arxiv.2512.18584,
title = {State-Space Modeling of Time-Varying Spillovers on Networks},
author = {Marios Papamichalis and Regina Ruane and Theofanis Papamichalis},
journal= {arXiv preprint arXiv:2512.18584},
year = {2025}
}
备注
While under review, the material in this paper may be reorganized to meet journal requirements