×
豪尔赫·卡亚多;努诺·克拉托;蓬塞拉、皮拉尔

用于聚类大数据时间序列的分段周期图方法。 （英语） Zbl 1474.62214号

高级数据分析。分类。，ADAC公司 14，第1期，117-146（2020年）.
摘要：我们提出并研究了一种新的频域方法，用于表征和比较大集合的长时间序列。我们没有使用从数据中获得的所有信息，而是提出一些正则化规则，以选择和总结最相关的信息以进行聚类，而这些信息在计算上非常昂贵。本质上，我们建议使用围绕利益驱动周期成分计算的零散周期图，并比较各种估计。该程序计算简单，但能够浓缩时间序列的相关信息。一个模拟练习表明，平滑的分段周期图通常比非平滑的周期图工作得更好，而对于中到大样本大小的样本，其工作效果并不比完整的周期图差。我们在对几个股票市场指数演变的研究中说明了这一过程。我们进一步显示了最近金融危机对这些指数行为的影响。

引用于1文件

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
62米10 统计学中的时间序列、自相关、回归等（GARCH）
62M15型 随机过程和谱分析的推断
62兰特 大数据和数据科学的统计方面
62P05号 统计学在精算科学和金融数学中的应用

关键词：

大数据;分段周期图;光谱聚类;平滑周期图;时间序列聚类
PDF格式BibTeX公司 XML格式引用
\textit{J.Caiado}等人，《高级数据分析》。分类。，ADAC 14，No.1，117--146（2020；Zbl 1474.62214）
全文： 内政部

参考文献：

[1] Bai，J。；Ng，S.，单位根与协整的恐慌攻击，《计量经济学》，72，1127-1177（2004）·兹比尔1091.62068 ·doi:10.1111/j.1468-0262.2004.00528.x
[2] Bai，J。；Ng，S.，大维度因素分析，Found Trends Econom，3，89-163（2008）·doi:10.1561/0800000002
[3] Ja巴斯托斯；Caiado，J.，《利用方差比统计对金融时间序列进行聚类》，《Quant Financ》，第14期，第2121-2133页（2014年）·Zbl 1402.62246号 ·doi:10.1080/14697688.2012.726736
[4] Boivin，J。；Ng，S.，因子分析中数据越多越好吗？，《经济学杂志》，132169-194（2006）·Zbl 1337.62345号 ·doi:10.1016/j.jeconom.2005.01.027
[5] Bollerslev，T。；机罩，B。；Lasse，H。；Pedersen，Lh，《风险无处不在：建模和管理波动性》，Rev Financ Stud，312729-2773（2018）·doi:10.1093/rfs/hhy041
[6] Pj布罗克韦尔；Davis，Ra，《时间序列：理论和方法》（1991），纽约：Springer，纽约·Zbl 0709.62080号
[7] Caiado，J。；Crato，N.，《识别股票收益中的常见动态特征》，Quant Financ，10797-807（2010）·doi:10.1080/14697680903567152
[8] Caiado，J。；北卡罗来纳州克雷托。；Peña，D.，基于周期图的时间序列分类度量，《计算统计数据分析》，502668-2684（2006）·Zbl 1445.62222号 ·doi:10.1016/j.csda.2005.04.012
[9] Caiado，J。；北卡罗来纳州克雷托。；Peña，D.，《频域中长度不等的时间序列的比较》，《公共统计模拟计算》，38，527-540（2009）·Zbl 1161.37348号 ·网址：10.1080/03610910802562716
[10] Caiado，J。；Ea Maharaj；D’Urso，P。；亨宁，C。；梅拉，M。；Murtagh，F。；Rocci，R.，《时间序列聚类》，《聚类分析手册》，241-263（2015），博卡拉顿：CRC出版社，博卡拉顿·Zbl 1396.62196号
[11] 涂层，D；Diggle，Pj，《比较两种估计光谱密度的试验》，《时序分析杂志》，7，7-20（1986）·Zbl 0581.62076号 ·doi:10.1111/j.1467-9892.1986.tb00482.x
[12] Corsi，F.，已实现波动率的异质自回归模型（HAR-RV），《金融经济学杂志》，第7期，174-196页（2009年）·doi:10.1093/jjfinec/nbp001
[13] Diggle，Pj；Fisher，Ni，累积周期图的非参数比较，应用统计，40，423-434（1991）·Zbl 0825.62465号 ·doi:10.2307/2347522
[14] Doz，C。；Giannone，D。；Reichlin，L.，大型近似动态因子模型的两步估计，《经济杂志》，164,1188-205（2011）·Zbl 1441.62671号 ·doi:10.1016/j.jeconom.2011.02.012
[15] Doz，C。；Giannone，D。；Reichlin，L.，《大型近似动态因子模型的准最大似然法》，《Rev Econ Stat》，941014-1024（2012）·doi:10.1162/REST_a_00225
[16] 弗尼，M。；Hallin，M。；里皮，M。；Reichlin，L.，广义动态因素模型：识别和估计，Rev Econ Stat，82540-554（2000）·网址：10.1162/003465300559037
[17] 弗尼，M。；Hallin，M。；里皮，M。；Reichlin，L.，广义动态因素模型：片面估计和预测，美国国家统计协会，100，830-839（2005）·Zbl 1117.62334号 ·doi:10.1198/0162145000002050
[18] 加莱亚诺，P。；Peña，D.，向量时间序列的多元分析，Resenhas，4，383-404（2000）·Zbl 1098.62558号
[19] Lam，C。；姚，Q。；Bathia，N.，《使用高维时间序列估计潜在因素》，《生物统计学》，98，901-918（2011）·Zbl 1228.62110号 ·doi:10.1093/biomet/asr048
[20] Liao，Tw，时间序列数据的聚类：一项调查，模式识别，381857-1874（2005）·Zbl 1077.68803号 ·doi:10.1016/j.patcog.2005.01.025
[21] Maharaj，Ea，ARMA模型分类的显著性检验，J Stat Compute Simul，54，305-331（1996）·Zbl 0899.62116号 ·doi:10.1080/00949659608811737
[22] Otranto，E.，《识别具有类似动态条件相关性的金融时间序列》，《计算统计数据分析》，54，1，1-15（2010）·Zbl 1284.91593号 ·doi:10.1016/j.csda.2009.07.026
[23] 佩尼亚，D。；Box，Gep，《识别时间序列中的简化结构》，美国统计协会杂志，82836-843（1987）·Zbl 0623.62081号
[24] 佩尼亚，D。；Poncela，P.，非静态动态因素分析，J Stat Plan推断，136，237-257（2006）
[25] Piccolo，D.，ARIMA模型分类的距离度量，《时序分析杂志》，第11期，第152-164页（1990年）·Zbl 0691.62083号 ·doi:10.1111/j.1467-9892.1990.tb00048.x
[26] Poncela，P。；鲁伊斯，E。；北谢泼德。；Koopman，Sj，《More is not always better:back to the Kalman filter in dynamic factor models，Unobservative components and time series econometrics》（2015），牛津：牛津大学出版社，牛津·Zbl 1325.62004号
[27] 库存，Jh；Watson，Mw，《使用大量预测因子的主成分进行预测》，美国统计协会期刊，97，1169-1179（2002）·Zbl 1041.62081号 ·doi:10.1198/016214502388618960
[28] 库存，Jh；沃森，Mw；克莱门茨，Mp；Hendry，Df，动态因子模型，牛津经济预测手册（2011），牛津：牛津大学出版社，牛津
[29] 威廉·汤姆森（William Thomson），《验潮仪、潮汐谐波分析仪和潮汐预报器》，土木工程研究院学报，65，2-25（1881）
[30] Tong，H。；Dabas，P.，《时间序列模型集群：一个例子》，《应用统计杂志》，第17期，第187-198页（1990年）·doi:10.1080/757582830
[31] 杨，Ac；蔡，S-J；Hong，C-J；王，C。；陈，T-J；Liou，Y-J，聚类心率动力学与β肾上腺素能受体多态性相关：基于信息的相似性指数分析，PLoS ONE，6，5，e19232（2011）·doi:10.1371/journal.pone.0019232
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。