统计及其接口
第16卷(2023年)
数字4
网络向量自回归滑动平均模型
页:593 – 615
内政部:https://dx.doi.org/10.4310/22-SII747
作者
Xiao Chen(中国科技大学管理学院统计与金融系,中国安徽省合肥市)
于晨(中国科学技术大学管理学院统计与金融系,合肥,中国安徽)
胡希旭(香港城市大学数据科学学院)
摘要
对大规模网络的连续响应建模是一项重要任务,目前已成为实践中的主流。本文提出了一种新的网络向量自回归滑动平均(NARMA)模型,该模型同时考虑了超高维向量的响应和网络结构的影响。与网络向量自回归(NAR[26])模型中,我们考虑了滞后创新和相应的网络效应。由于考虑了更多的参数,并加入了移动平均项,所提出的NARMA模型能够更紧密、更准确地拟合数据,因此比NAR模型具有更好的性能。介绍了NARMA模型的一种改进的最小二乘估计,并对其一致性进行了充分研究。最后,我们通过研究标准普尔500指数成分的金融传染,证明了所提出的NARMA模型的优越性。
关键词
网络数据,修正最小二乘估计,向量自回归滑动平均,高维时间序列
本论文得到了国家自然科学基金(12101585,71771203)和安徽省自然科学基金的部分资助。
收到日期:2022年4月8日
2022年6月26日接受
出版日期:2023年4月14日