面向众多预测器的时序预测
统计方法学
2024-06-17 v1
摘要
我们提出了一种用于众多预测器的时序预测的方法，称作GO-sdPCA。在该方法中，我们采用一种称为正交贪婪算法和高维Akaike信息准则的变量选择方法，以减轻无关预测器的影响。此外，采用一种称为“剥离”的新型技术来提高变量选择程序的效率，从而纳入许多与因子相关的预测器。最后，采用受监督的动态主成分分析(sdPCA)方法来考虑因子恢复中的动态信息。在模拟研究中，我们发现该方法能够良好地适应未知的稀疏度和因子强度，从而在相关预测器数量远大于样本量的情况下仍能取得良好性能。将其应用于经济和环境研究时，该方法在单步-ahead的样外预测中始终优于一些常用基准方法。
引用
@article{arxiv.2406.09625,
title = {Time Series Forecasting with Many Predictors},
author = {Shuo-Chieh Huang and Ruey S. Tsay},
journal= {arXiv preprint arXiv:2406.09625},
year = {2024}
}