×
张坤辉;阿布法兹·萨菲卡尼;坦克，亚历克斯;阿里·肖杰伊

具有多个分量和阈值的阈值自回归模型的惩罚估计。 （英语） Zbl 07524966号

电子。J.统计。 1891-1951年（2022年）第1期第16页.
摘要：由于其简单性和可解释的结构，自回归过程被广泛用于时间序列数据建模。然而，许多实时序列数据集显示出非线性模式，需要非线性建模。阈值自回归（TAR）过程提供了一系列非线性自回归时间序列模型，其中过程动力学是阈值变量的特定阶跃函数。虽然已经研究了低维TAR模型的估计和推断，但高维TAR模式受到的关注较少。在本文中，我们开发了一个新的估计高维TAR模型的框架，并提出了两种不同的稀疏性诱导惩罚。第一个惩罚对应于经典TAR模型向高维设置的自然扩展，其中对所有模型参数强制使用相同的阈值。我们的第二个惩罚开发了一个更灵活的TAR模型，其中允许不同的阈值用于不同的自回归系数。我们表明，这两种惩罚估计策略都可以在三步过程中使用，该过程可以一致地学习阈值和相应的自回归系数。然而，我们的理论和实证研究表明，TAR模型的直接扩展不适合高维设置，更适合中等维设置。相比之下，TAR模型的更灵活扩展导致在高维度上的一致估计和优越的经验性能。

MSC公司：

62至XX 统计

关键词：

非线性时间序列;高维时间序列;熔合拉索;阈值估计

软件：

格尔姆奈特
PDF格式BibTeX公司 XML格式引用
\textit{K.Zhang}等人，Electron。J.Stat.16，No.1，1891-1951（2022；Zbl 07524966）
全文： DOI程序 链接

参考文献：

[1] Sipan Aslan、Ceylan Yozgatligil和Cem Iyigun。通过阈值自回归模型对时间序列进行时间聚类：应用于商品价格。运筹学年鉴，出版，2018年1月·Zbl 1404.62083号
[2] Sumanta Basu和George Michailidis。稀疏高维时间序列模型中的正则化估计。统计年鉴, 43(4):1535-1567, 2015. ·Zbl 1317.62067号
[3] Sumanta Basu、Ali Shojaie和George Michailidis。具有固有分组结构的网络格兰杰因果关系。机器学习研究杂志, 16(13):417-453, 2015. ·Zbl 1360.62312号
[4] 彼得·比克尔（Peter J Bickel）、亚奥科夫·里托夫（Ya’acov Ritov）和亚历山大·茨巴科夫（Alexandre B Tsybakov）。同时分析套索和dantzig选择器。统计年鉴, 37(4):1705-1732, 2009. ·Zbl 1173.62022号
[5] 理查德·布拉德利（Richard C.Bradley）。强混合条件下的基本特性。调查和一些开放性问题。普罗巴伯。调查, 2:107-144, 2005. ·兹比尔1189.60077
[6] 汉森·布鲁斯。TAR模型中的推断。非线性动力学与计量经济学研究，2（1）：1-161997年4月。
[7] 塞尔吉奥·卡尔德龙五世和法比奥·尼托。缺失数据的多元阈值自回归模型的贝叶斯分析。统计学中的传播——理论与方法, 46(1):296-318, 2017. ·Zbl 1367.62250号
[8] K.S.Chan。门限自回归模型最小二乘估计的一致性和极限分布。统计年鉴, 21(1):520-533, 1993. ·Zbl 0786.62089号
[9] Ngai Hang Chan和Yury A.Kutoyants。门限自回归模型的参数估计。随机过程的统计推断，15（1）:81-1042012年4月·Zbl 1236.62099号
[10] Ngai Hang Chan、Chun Yip Yau和Rong-Mao Zhang。阈值自回归模型的LASSO估计。计量经济学杂志, 189(2):285-296, 2015. ·兹比尔1337.62246
[11] Cathy WS Chen、Feng-Chi Liu和Mike KP So。金融阈值时间序列模型综述。统计及其界面, 4(2):167-181, 2011. ·兹比尔1229.91354
[12] 陈荣。开环门限自回归模型中的门限变量选择。时间序列分析杂志, 16(5):461-481, 1995. ·Zbl 0833.62084号
[13] Shizhe Chen、Ali Shojaie和Daniela M Witten。基于高维常微分方程的网络重构。美国统计协会杂志, 112(520):1697-1707, 2017.
[14] Michael J Dueker、Zacharias Psaradakis、Martin Sola和Fabio Spagnolo。多元同期门限自回归模型。计量经济学杂志, 160(2):311-325, 2011. ·Zbl 1441.62672号
[15] Walter Enders、Barry L Falk和Pierre Siklos。美国实际gdp的阈值模型和tar模型中置信区间的构建问题。非线性动力学与计量经济学研究, 11:1322-1322, 02 2007. ·Zbl 1268.91129号
[16] 范建清和姚奇伟。非线性时间序列。非参数和参数方法。第384页，2005年1月·Zbl 1014.62103号
[17] Jerome Friedman、Trevor Hastie、Holger Höfling和Robert Tibshirani。路径坐标优化。技术报告，《应用统计年鉴》，2007年·Zbl 1378.90064号
[18] Jerome Friedman、Trevor Hastie和Robert Tibshirani。广义线性模型的坐标下降正则化路径。统计软件杂志, 33(1):1-22, 2010. 统一资源定位地址http://www.jstatsoft.org/v33/i01/。
[19] 方翰和韩流。高维时间序列中的转移矩阵估计。在机器学习国际会议，第172-180页，2013年。
[20] 布鲁斯·汉森。经济学中的阈值自回归。统计及其界面, 4(2):123-127, 2011.
[21] Bruce E Hansen和Byeongseon Seo。向量误差修正模型中的双区域阈值协整检验。计量经济学杂志, 110(2):293-318, 2002. ·Zbl 1044.62092号
[22] Z.Harchaoui和C.Lévy Leduc。具有总变差惩罚的多个变点估计。美国统计协会杂志, 105(492):1480-1493, 2010. ·Zbl 1388.62211号
[23] 黄俊洲和张彤。群体稀疏的好处。统计年鉴, 38(4):1978-2004, 2010. ·Zbl 1202.62052号
[24] 姜振宇、杜成安、阿森·贾布伦斯基、华亮、祖迪路、杨玛和郭丽涛。使用非线性阈值指数逻辑模型分析精神分裂症数据。公共科学图书馆，9（10）：e1094542014。
[25] 卢西亚娜·尤文纳尔（Luciana Juvenal）和马克·泰勒（Mark P.Taylor）。偏离单一价格定律的阈值调整。非线性动力学和计量经济学研究（在线），第12卷（第3期）：第8条，2008年·Zbl 1193.91174号
[26] 林书福和姚奇伟。高维时间序列的因子建模：因子数量的推断。统计年鉴, 40(2):694-726, 2012. ·Zbl 1273.62214号
[27] 李建辉，黄伯农，等。东亚国家出口与经济增长的关系：多元阈值自回归方法。经济发展杂志, 27(2):45-68, 2002.
[28] 董丽和汤豪威尔。阈值模型估计的嵌套子样本搜索算法。LSE Research Online Documents on Economics 68880，伦敦政治经济学院，LSE图书馆，2016年10月·Zbl 1356.62147号
[29] 董丽、凌石青和汤豪威尔。关于带反馈的移动平均模型。伯努利, 18(2):735-745, 05 2012. 统一资源定位地址https://doi.org/10.3150/11-BEJ352。 ·Zbl 1456.62204号
[30] 埃克哈德·利布舍尔。建立一种统一的方法来证明非线性自回归过程的几何遍历性和混合性质。时间序列分析杂志, 26(5):669-689, 2005. ·Zbl 1092.62091号
[31] 林嘉禾和乔治·迈克利迪斯。高维多块向量自回归模型的正则化估计和测试。机器学习研究杂志，18（117）：2017年1月1日至49日。统一资源定位地址http://jmlr.org/papers/v18/17-055.html。 ·Zbl 1442.62122号
[32] 刘霞璐和陈蓉。高维时间序列的阈值因子模型。计量经济学杂志, 216(1):53-70, 2020. ·兹比尔1456.62210
[33] Ming Chien Lo和Eric Zivot。阈值协整与单价律的非线性调整。宏观经济动态, 5(4):533-576, 2001. ·Zbl 1008.91504号
[34] Po-Ling Loh和Martin J Wainwright。具有噪声和缺失数据的高维回归：具有非凸性的可证明保证。在神经信息处理系统研究进展，第2726-2734页，2011年。
[35] 佛罗伦萨·默列维（Florence Merlevède）、马格达·佩利格拉德（Magda Peligrad）和艾曼纽尔·里奥（Emmanuel Rio）。强混合条件下的Bernstein不等式和适度偏差，第5卷，共页收藏，第273-292页。数学统计研究所，2009年·Zbl 1243.60019号
[36] 法比奥·H·尼托。在存在缺失数据的情况下对二元阈值自回归过程进行建模。统计学传播学-理论与方法, 34(4):905-930, 2005. ·Zbl 1073.62079号
[37] Lizet Viviana Romero Orjuela和Sergio Alejandro Calderón Villanueva。噪声过程服从学生t分布时多元tar模型的贝叶斯估计。统计学中的传播——理论与方法, 50(11):2508-2530, 2021. ·Zbl 07533680号
[38] 亚历山德罗·里纳尔多。融合套索的特性和改进。统计年鉴，37（5B）：2922-29522009年·Zbl 1173.62027号
[39] 马克·鲁德尔森和罗曼·弗什宁。Hanson-wright不等式与亚高斯浓度。概率论中的电子通信，18:9页，2013年·Zbl 1329.60056号
[40] Takumi Saegusa和Ali Shojaie。异质群体中精度矩阵的联合估计。电子统计杂志, 10(1):1341, 2016. ·Zbl 1341.62130号
[41] Abolfazl Safikhani和Ali Shojaie。高维非平稳VAR模型中的联合结构断裂检测和参数估计。美国统计协会杂志（理论与方法），第页，2020年。
[42] Alex Tank、Emily B Fox和Ali Shojaie。分类时间序列的Granger因果网络。arXiv预印本arXiv：1706.02781, 2017. ·Zbl 1468.62310号
[43] Robert Tibshirani、Michael Saunders、Saharon Rosset、Ji Zhu和Keith Knight。通过融合套索实现轻盈流畅。英国皇家统计学会杂志：B辑（统计方法）, 67(1):91-108, 2005. ·兹比尔1060.62049
[44] 豪厄尔·通。在阈值模型上。在Chen，C（编辑）《模式识别和信号处理》中。北约ASI E系列：应用科学。, 29:575-586, 1978.
[45] 豪厄尔·通。30年后时间序列分析中的阈值模型。统计及其界面, 4(2):107-118, 2011. ·Zbl 1490.62278号
[46] Howell Tong和Keng S Lim。阈值自回归、极限环和周期数据。英国皇家统计学会杂志：B辑（方法学）, 42:245-268, 07 1980. ·Zbl 0473.62081号
[47] 吕·S·蔡。测试和建模多元阈值模型。美国统计协会杂志, 93(443):1188-1202, 1998. ·Zbl 1063.62578号
[48] 吕·S·蔡。测试和建模多元阈值模型。美国统计协会杂志, 93(443):1188-1202, 1998. ·Zbl 1063.62578号
[49] A.W.范德法特。渐近统计剑桥统计与概率数学系列。剑桥大学出版社，1998年·Zbl 0910.62001号
[50] 阿德·范德法特（Aad W Van der Vaart）。渐近统计，第3卷。剑桥大学出版社，2000年·Zbl 0943.6202号
[51] 玛丽亚·弗拉迪米洛娃（Maria Vladimirova）、斯特凡·吉拉德（Stéphane Girard）、海恩·阮（Hien Nguyen）和朱利安·阿贝尔（Julyan Arbel）。亚威布尔分布：将亚高斯和亚指数性质推广到重尾分布。统计2020年1月9日（1）。
[52] 王涛和朱丽星。高维稀疏线性回归中的一致调谐参数选择。多元分析杂志, 102(7):1141 - 1151, 2011. ISSN 0047-259X·Zbl 1216.62103号
[53] 劳伦斯·沃蒂尔和西尔维娅·理查森。用门限自回归模型对流行病时间序列进行建模。英国皇家统计学会杂志：D辑（统计学家）, 44(3):353-364, 1995.
[54] Kam Chung Wong、Zifan Li和Ambuj Tewari。Lasso为（β）混合重尾时间序列提供担保。统计年刊, 48(2):1124-1142, 2020. ·Zbl 1450.62117号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。