GNAR-edge模型：一种针对具有时变边权网络的网络自回归模型
统计方法学
2023-09-27 v3 应用统计
摘要
在经济和金融应用中，常常需要分析由一系列数量的时序构成的多元时间序列。在某些应用中，此类复杂系统可与描述各数量间成对关系的底层网络相关联。对此类多元时间序列的分析考虑底层网络结构，是评估估计误差所必需的，并且对预测尤其具有信息量。我们的工作受一组由行业间交易时间序列组成的数据集所推动。在该例中，标准产业分类（SIC）代码间的成对关系可用网络表示，以SIC代码为节点、SIC代码间成对交易为边，而每对SIC代码交易金额的观察时间序列可视为边上的时变权重。受Knight等人（2020）启发，我们引入GNAR-edge模型，该模型利用网络结构对多个时间序列建模，假设每条边权重不仅依赖于其过去值，还依赖于其邻边的过去值（涵盖若干邻域阶段）。该方法通过模拟得到验证。在真实行业间数据上实施GNAR-edge模型的结果显示模型具有良好的拟合与预测性能。当利用领先-滞后分析稀疏化网络并根据领先-滞后分数对边进行阈值化时，预测性能得到提升。
引用
@article{arxiv.2305.16097,
title = {The GNAR-edge model: A network autoregressive model for networks with time-varying edge weights},
author = {Anastasia Mantziou and Mihai Cucuringu and Victor Meirinhos and Gesine Reinert},
journal= {arXiv preprint arXiv:2305.16097},
year = {2023}
}