基于阈值自回归模型的时间序列时间聚类：在商品价格中的应用
机器学习
2016-05-04 v1 应用统计
统计方法学
摘要
本研究旨在利用阈值非线性自回归模型为若干商品价格寻找时间聚类。期望确定时间依赖的商品组的过程能推进关于同动与相干价格动态的现有认知，并可作为多元时间序列分析的基础。采用所提出的基于时间序列模型的聚类方法考察了商品价格的聚类，以将价格序列的时变特性纳入聚类方案。因此，本研究的主要目标是根据时间序列的数据生成机制（DGMs）之间的相似性而非时间序列轨迹中的模式相似性对时间序列分组。每个序列的DGM近似通过阈值自回归模型实现，该模型以能表示时间序列中的非线性特征（如突变、时间不可逆性和机制转换行为）而著称。通过使用所提方法，可确定并监测跨时间维度的同动时间序列变量集合。此外，生成时变商品价格指数及子指数成为可能。为此，我们进行了模拟研究以评估所提聚类方法的有效性，并给出了模拟与真实数据集的结果。
引用
@article{arxiv.1605.00779,
title = {Temporal Clustering of Time Series via Threshold Autoregressive Models: Application to Commodity Prices},
author = {Sipan Aslan and Ceylan Yozgatligil and Cem Iyigun},
journal= {arXiv preprint arXiv:1605.00779},
year = {2016}
}
备注
24 pages, 9 figures