×
维罗尼卡罗科瓦;肯尼科罗·麦卡林

动态变量选择与尖峰和实验室过程先验。 （英语） 兹比尔1480.62132

贝叶斯分析。 16，编号1，233-269（2021）.
摘要：我们解决了具有未知残差的时间序列回归中的动态变量选择问题，其中允许一组主动预测因子随时间演化。为了捕获时变变量选择的不确定性，我们为回归系数的时间序列引入了新的动态收缩先验。这些先验特征由两个主要成分构成：平滑的参数演变和用于建模预测中断的间歇零点。更正式地说，我们提议动态尖峰板（DSS）先验被构造为两个过程的混合：无关系数的spike过程和活动系数的slab自回归过程。混合权重本身是时变的，取决于序列的滞后值。我们的决策支持系统先验是概率相干的，因为它们的平稳分布是完全已知的，并且其特征是尖峰和平谷边缘对于动态回归系数、模型选择指标以及未知动态残差的后验抽样，我们提出了一个动态SSVS基于前向滤波和后向采样的算法。为了将我们的方法扩展到大型数据集，我们开发了一个动态EMVSMAP平滑算法。我们通过模拟和主题宏观经济数据集证明决策支持系统先验函数在分离有源系数和噪声系数方面非常有效。我们的快速实现极大地扩展了峰值和峰值方法对大时间序列数据的覆盖范围。

引用于5文件

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62F07型 统计排名和选择程序

关键词：

自回归混合过程;动态稀疏性;MAP平滑;钉板;平稳性

软件：

EMVS公司;bvarsv型
PDF格式BibTeX公司 XML格式引用
\textit{V.Rockova}和\textit{K.McAlinn}，贝叶斯分析。16，编号1，233--269（2021；Zbl 1480.62132）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Andel，J.（1983）。“自回归过程的边际分布”，《第九届布拉格会议汇刊》，127-135。斯普林格·Zbl 0537.60027号
[2] Antoniadis，A.和Fan，J.（2001）。“小波近似的正则化”，《美国统计协会杂志》，96（455）：939-967·Zbl 1072.62561号 ·doi:10.1198/016214501753208942
[3] Bai，J.和Ng，S.（2008年）。“使用目标预测工具预测经济时间序列”，《计量经济学杂志》，146（2）：304-317·Zbl 1429.62419号 ·doi:10.1016/j.econom.2008.08.010
[4] Banbura，M.、Giannone，D.和Reichlin，L.（2010年）。“大型贝叶斯向量自回归”，《应用计量经济学杂志》，25（1）：71-92。
[5] Barbieri，M.M.和Berger，J.O.（2004）。“最佳预测模型选择”，《统计年鉴》，32:870-897·Zbl 1092.62033号 ·doi:10.1214/009053604000000238
[6] Belmonte，M.A.G.、Koop，G.和Korobilis，D.（2014）。“时变参数模型中的层次收缩”，《预测杂志》，33（1）：80-94·兹比尔1397.62090 ·doi:10.1002/用于2276
[7] Bhattacharya，A.、Pati，D.、Pillai，N.和Dunson，D.（2015）。“Dirichlet-Laplace最优收缩的先验值”，《美国统计协会期刊》，110:1479-1490·Zbl 1373.62368号 ·doi:10.1080/01621459.2014.960967
[8] Bitto，A.和Frühwirth-Schnatter，S.（2019年）。“在时变参数模型框架中实现收缩”，《计量经济学杂志》，210:75-97·Zbl 1452.62216号 ·doi:10.1016/j.jeconom.2018.11.006
[9] Brodie，J.、Daubechies，I.、De Mol，C.、Giannone，D.和Loris，I.（2009年）。“稀疏稳定的马科维茨投资组合”，《国家科学院学报》，106（30）：12267-12272·兹比尔1203.91271 ·doi:10.1073/pnas.0904287106
[10] Carlin，B.P.和Chib，S.（1995年）。《通过马尔可夫链蒙特卡罗方法选择贝叶斯模型》，《皇家统计学会杂志》。B系列（方法学），473-484·Zbl 0827.62027号 ·doi:10.1111/j.2517-6161.1995.tb02042.x
[11] Casarin，R.、Dalla Valle，L.、Leisen，F.等人（2012a）。贝叶斯自回归过程的贝叶斯模型选择〉，贝叶斯分析，7（2）：385-410·Zbl 1330.62113号 ·doi:10.1214/12-BA713
[12] Casarin，R.、Valle，L.和Leisen，F.（2012b）。贝叶斯自回归过程的贝叶斯模型选择〉，《贝叶斯分析》，7:385-410·Zbl 1330.62113号 ·doi:10.1214/12-BA713
[13] Chan，J.C.C.、Koop，G.、Leon-Gonzalez，R.和Strachan，R.W.（2012年）。“时变维度模型”，《商业与经济统计杂志》，30（3）：358-367。
[14] Clyde，M.、Desimone，H.和Parmigiani，G.（1996年）。“通过正交模型混合进行预测”，《美国统计协会杂志》，91（435）：1197-1208·兹伯利0880.62026 ·doi:10.1080/01621459.1996.10476989
[15] Cogley，T.和Sargent，T.J.（2005）。“漂移和波动：二战后美国的货币政策和结果”，《经济动态评论》，8:262-302。
[16] De Mol，C.、Giannone，D.和Reichlin，L.（2008）。“使用大量预测因子进行预测：贝叶斯收缩是否是主成分的有效替代品？”《计量经济学杂志》，146（2）：318-328·Zbl 1429.62659号 ·doi:10.1016/j.jeconom.2008.08.011
[17] Fan，J.和Li，R.（2001）。“通过非认证惩罚可能性及其预言属性进行变量选择”，《美国统计协会期刊》，96（456）：1348-1360·Zbl 1073.62547号 ·doi:10.1198/016214501753382273
[18] Frühwirth Schnatter，S.（1994年）。“数据增强和动态线性模型”，《时间序列分析杂志》，15:183-202·Zbl 0815.62065号
[19] Frühwirth-Schnatter，S.和Wagner，H.（2010）。“高斯和部分非高斯状态空间模型的随机模型规范搜索”，《计量经济学杂志》，154（1）：85-100·Zbl 1431.62373号 ·doi:10.1016/j.jeconom.2009.07.003
[20] Gefang，D.（2014）。“VAR收缩的贝叶斯双自适应弹性网拉索”，《国际预测杂志》，30（1）：1-11。
[21] George，E.I.（1986年a）。“组合最小最大收缩估计量”，《美国统计协会杂志》，81（394）：437-445·Zbl 0594.62061号 ·doi:10.1080/01621459.1986.10478288
[22] George，E.I.（1986年b）。《统计年鉴》，14（1）：188-205·Zbl 0602.62041号 ·doi:10.1214/aos/1176349849
[23] George，E.I.和McCulloch，R.E.（1993）。“通过吉布斯抽样进行变量选择”，《美国统计协会杂志》，88（423）：881-889。
[24] George，E.I.和McCulloch，R.E.（1997）。“贝叶斯变量选择方法”，《中国统计》，339-373·Zbl 0884.62031号
[25] George，E.I.、Sun，D.和Ni，S.（2008）。“VAR模型限制的贝叶斯随机搜索”，《计量经济学杂志》，142（1）：553-580·Zbl 1418.62322号 ·doi:10.1016/j.jeconom.2007.08.017
[26] Giannone，D.、Lenza，M.、Momferatou，D.和Onorante，L.（2014）。“短期通货膨胀预测：贝叶斯向量自回归方法”，《国际预测杂志》，30（3）：635-644。
[27] Godsill，S.、Doucet，A.和West，M.（2001年）。“使用蒙特卡罗粒子滤波器进行最大后验序列估计”，《统计数学研究所年鉴》，53（1）：82-96·Zbl 0995.62096号 ·doi:10.1023/A:1017968404964
[28] Green，P.J.（1990）。《关于使用EM进行惩罚似然估计》，《皇家统计学会杂志》。B系列（方法学），443-452·兹比尔0706.62022 ·doi:10.1111/j.2517-6161.1990.tb01798.x
[29] Groen，J.J.J、Paap，R.和Ravazzolo，F.（2013年）。“变化世界中的实时通货膨胀预测”，《商业与经济统计杂志》，31（1）：29-44。
[30] Hastie，T.和Tibshirani，R.（1993年）。《变系数模型》，《皇家统计学会杂志》。B系列（方法学），55:757-796·Zbl 0796.62060号 ·doi:10.1111/j.2517-6161.1993.tb01939.x
[31] Irie，K.和West，M.（2016年）。“多步骤投资组合决策优化的贝叶斯仿真”，已提交稿件·Zbl 1409.62173号 ·doi:10.1214/18-BA1105
[32] Ishwaran，H.和Rao，J.S.（2005年）。“尖峰和平板变量选择：频率学家和贝叶斯策略”，《统计年鉴》，33:730-773·Zbl 1068.62079号 ·doi:10.1214/009053604000001147
[33] Jagannathan，R.和Ma，T.（2003）。“大型投资组合中的风险降低：为什么施加错误的约束会有所帮助”，《金融杂志》，58:1651-1684。
[34] Kalli，M.和Griffin，J.E.（2014）。“动态回归模型中的时间序列稀疏性”，《计量经济学杂志》，178:779-793·Zbl 1293.62191号 ·doi:10.1016/j.jeconom.2013.10.012
[35] Kalliovirta，L.、Meitz，M.和Saikkonen，P.（2015）。“单变量时间序列的高斯混合自回归模型”，《时间序列分析杂志》，36（2）：247-266·Zbl 1320.62201号 ·doi:10.1111/jtsa.12108
[36] Kastner，G.、Frühwirth-Schnatter，S.和Lopes，H.（2017）。“多元因子随机波动率模型的有效贝叶斯推断”，《计算与图形统计杂志》，26:905-917。
[37] Kim，S.、Shephard，N.和Chib，S.（1998年）。“随机波动性：可能性推断和与ARCH模型的比较”，《经济研究评论》，65:361-393·Zbl 0910.90067号 ·doi:10.1111/1467-937X.00050
[38] Koop，G.和Korobilis，D.（2012年a）。“使用动态模型平均预测通货膨胀”，《国际经济评论》，53（3）：867-886·Zbl 1420.91381号 ·数字标识代码：10.1111/j.1468-2354.2012.00704.x
[39] Koop，G.和Korobilis，D.（2012年b）。“使用动态模型平均预测通货膨胀”，《国际计量经济学评论》，30:867-886·Zbl 1420.91381号 ·数字标识代码：10.1111/j.1468-2354.2012.00704.x
[40] Korobilis，D.（2013）。“使用贝叶斯变量选择进行VAR预测”，《应用计量经济学杂志》，28（2）：204-230。
[41] Kowal，D.、Matteson，D.和Ruppert，D.（2019年）。《动态收缩过程》，《皇家统计协会期刊》（即将出版），1-30页·Zbl 1428.62397号 ·doi:10.1111/rssb.12325
[42] Li，J.和Chen，W.（2014）。“预测宏观经济时间序列：基于拉索的方法及其与动态因子模型的预测组合”，《国际预测杂志》，30（4）：996-2015。
[43] Lopes，H.、McCulloch，R.和Tsay，R.（2016）。“大规模国家空间模型的节俭诱导先验。”提交。
[44] 麦肯齐，E.（1985）。“贝塔随机变量的自回归过程”，《管理科学》，31:988-995·Zbl 0607.62104号 ·doi:10.1287/mnsc.31.8988
[45] Meng，X.（1993）。“通过ECM算法进行最大似然估计：一般框架”，《生物特征识别》，80:267-278·Zbl 0778.62022号 ·doi:10.1093/biomet/80.2.267
[46] Mitchell，T.J.和Beauchamp，J.J.（1988）。“线性回归中的贝叶斯变量选择”，《美国统计协会杂志》，83:1023-1032·Zbl 0673.62051号 ·doi:10.1080/01621459.1988.10478694
[47] Nakajima，J.和West，M.（2013a）。“潜在阈值动态模型的贝叶斯分析”，《商业与经济统计杂志》，31:151-164。
[48] Nakajima，J.和West，M.（2013b）。“潜在阈值动态模型的贝叶斯分析”，《商业与经济统计杂志》，31:151-164。
[49] Park，T.和Casella，G.（2008）。《贝叶斯拉索》，《美国统计协会杂志》，103:681-686·Zbl 1330.62292号 ·doi:10.1198/016214500000037
[50] Pettenuzzo，D.、Koop，G.、Korobilis，D.等人（2018年）。贝叶斯压缩向量自回归〉，《计量经济学杂志》，即将出版·Zbl 1452.62934号 ·doi:10.1016/j.jeconom.2018.11.009
[51] Phillips，P.（1991）。“批评批评者：随机趋势的客观贝叶斯分析”，《应用计量经济学杂志》，6:333-364。
[52] Prado，R.和West，M.（2010年）。时间序列：建模、计算和推断。查普曼和霍尔/CRC出版社·Zbl 1245.62105号
[53] Primiceri，G.E.（2005）。“时变结构向量自回归与货币政策”，《经济研究评论》，72:821-852·兹比尔1106.91047 ·文件编号：10.1111/j.1467-937X.2005.00353.x
[54] Puelz，D.、Hahn，P.R.和Carvalho，C.（2016）。“稀疏均值-方差投资组合：一种惩罚效用方法。”提交的手稿。
[55] Rockova，V.（2018）。“稀疏信号的贝叶斯估计，具有连续的尖峰和斜峰先验”，《统计年鉴》，46:401-437·兹比尔1395.62230 ·doi:10.1214/17-AOS1554
[56] Rockova，V.和George，E.I.（2014）。“EMVS:贝叶斯变量选择的EM方法”，《美国统计协会期刊》，109:828-846·Zbl 1367.62049号 ·doi:10.1080/01621459.2013.869223
[57] Rockova，V.和George，E.I.（2018年）。《尖峰与拉索》，《美国统计协会期刊》（即将出版），113:431-444·Zbl 1398.62186号 ·doi:10.1080/01621459.2016.1260469
[58] Rockova，V.和McAlinn，K.（2020年）。《尖峰-板坯工艺先验动态变量选择-补充材料》，贝叶斯分析。
[59] Schotman，P.和van Dijk，H.（1991）。“对实际汇率单位根的贝叶斯分析”，《计量经济学杂志》，49:195-238·Zbl 0724.62105号 ·doi:10.1016/0304-4076（91）90014-5
[60] Stock，J.H.和Watson，M.W.（1999）。《预测通货膨胀》，《货币经济学杂志》，44（2）：293-335。
[61] Stock，J.H.和Watson，M.W.（2007年）。“为什么美国通货膨胀变得更难预测？”《货币、信贷与银行杂志》，39:3-33。
[62] Stock，J.H.和Watson，M.W.（2012年）。“使用多个预测因子进行预测的广义收缩法”，《商业与经济统计杂志》，30（4）：481-493。
[63] Tibshirani，R.、Saunders，M.、Rosset，S.、Zhu，J.和K.奈特（2005）。《通过融合LASSO的稀疏与平滑》，《皇家统计学会杂志》。B系列，67（1）：91-108·兹比尔1060.62049 ·文件编号：10.1111/j.1467-9868.2005.00490.x
[64] West，M.和Harrison，J.（1997年）。贝叶斯预测和动态模型。施普林格出版社，第二版·Zbl 0871.62026号
[65] Wong，C.S.和Li，W.K.（2000）。《关于混合自回归模型》，《皇家统计学会期刊：B辑》，62（1）：95-115·Zbl 0941.62095号 ·doi:10.1111/1467-9868.00222
[66] Wong，C.S.和Li，W.K.（2001）。“关于logistic混合自回归模型”，《生物统计学》，88（1）：833-846·Zbl 0985.62074号 ·doi:10.1093/biomet/88.3.833
[67] Wood，S.、Rosen，O.和Kohn，R.（2011年）。“自回归模型的贝叶斯混合”，《计算与图形统计杂志》，20（2）：174-195。
[68] Wright，J.H.（2009）。“通过贝叶斯模型平均预测美国通货膨胀”，《预测杂志》，28（2）：131-144。
[69] Zellner，A.（1971）。计量经济学中贝叶斯推断简介。纽约威利·兹比尔0246.62098
[70] Zhang，C.-H.（2010）。“最小最大凹惩罚下的几乎无偏变量选择”，《统计年鉴》，38:894-942·Zbl 1183.62120号 ·doi:10.1214/09-AOS729
[71] Zhang，C.-H.和Zhang、T.（2012）。“高维稀疏估计问题凹正则化的一般理论”，《统计科学》，27:576-593·Zbl 1331.62353号 ·doi:10.1214/12-STS399
[72] 邹，H·兹比尔1069.62054 ·数字对象标识代码：10.1111/j.1467-9868.2005.0050.x
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。