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

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