論文の概要: Structural Inference in Sparse High-Dimensional Vector Autoregressions
- arxiv url: http://arxiv.org/abs/2007.15535v2
- Date: Wed, 2 Jun 2021 15:00:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 14:44:02.618680
- Title: Structural Inference in Sparse High-Dimensional Vector Autoregressions
- Title（参考訳）: スパース高次元ベクトル自己回帰における構造推論
- Authors: Jonas Krampe, Efstathios Paparoditis, Carsten Trenkler
- Abstract要約: スパース, 構造的高次元ベクトル自己回帰系におけるインパルス応答の統計的推測を考察する。
我々は高次元設定におけるインパルス応答の一貫した推定手法を導入し、同じパラメータに対して有効な推論手順を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider statistical inference for impulse responses in sparse, structural
high-dimensional vector autoregressive (SVAR) systems. We introduce consistent
estimators of impulse responses in the high-dimensional setting and suggest
valid inference procedures for the same parameters. Statistical inference in
our setting is much more involved since standard procedures, like the
delta-method, do not apply. By using local projection equations, we first
construct a de-sparsified version of regularized estimators of the moving
average parameters associated with the VAR system. We then obtain estimators of
the structural impulse responses by combining the aforementioned de-sparsified
estimators with a non-regularized estimator of the contemporaneous impact
matrix, also taking into account the high-dimensionality of the system. We show
that the distribution of the derived estimators of structural impulse responses
has a Gaussian limit. We also present a valid bootstrap procedure to estimate
this distribution. Applications of the inference procedure in the construction
of confidence intervals for impulse responses as well as in tests for forecast
error variance decomposition are presented. Our procedure is illustrated by
means of simulations.
- Abstract（参考訳）: スパース, 構造的高次元ベクトル自己回帰(SVAR)システムにおけるインパルス応答の統計的推測を考察する。
高次元設定においてインパルス応答の一貫した推定器を導入し、同じパラメータに対する妥当な推論手順を提案する。
デルタメソッドのような標準手順は適用されないので、我々の設定における統計的推測はより深く関与する。
局所射影方程式を用いて,まずvar系に付随する移動平均パラメータの正規化推定器の非分離バージョンを構築する。
次に, 上記の非分離型推定器と同時衝突行列の非正規化推定器を組み合わせた構造的インパルス応答の推定を行い, システムの高次元性を考慮した。
構造的インパルス応答の導出した推定器の分布はガウス極限を持つことを示す。
また,この分布を推定するための有効なブートストラップ手順を提案する。
インパルス応答に対する信頼区間の構築および予測誤差分散分解試験における推論手法の適用について述べる。
我々の手順はシミュレーションによって示される。
関連論文リスト
- Unveiling the Statistical Foundations of Chain-of-Thought Prompting Methods [59.779795063072655]
CoT(Chain-of-Thought)の促進とその変種は、多段階推論問題を解決する効果的な方法として人気を集めている。
統計的推定の観点からCoTのプロンプトを解析し,その複雑さを包括的に評価する。
論文 参考訳（メタデータ） (2024-08-25T04:07:18Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳（メタデータ） (2023-11-08T00:10:21Z) - Wasserstein Distributionally Robust Estimation in High Dimensions:
Performance Analysis and Optimal Hyperparameter Tuning [0.0]
雑音線形測定から未知パラメータを推定するための分布的ロバストな推定フレームワークを提案する。
このような推定器の2乗誤差性能を解析する作業に着目する。
凸凹最適化問題の解法として2乗誤差を復元できることを示す。
論文 参考訳（メタデータ） (2022-06-27T13:02:59Z) - Semi-Supervised Quantile Estimation: Robust and Efficient Inference in High Dimensional Settings [0.5735035463793009]
2つの利用可能なデータセットを特徴とする半教師付き環境での量子推定を考察する。
本稿では,2つのデータセットに基づいて,応答量子化(s)に対する半教師付き推定器群を提案する。
論文 参考訳（メタデータ） (2022-01-25T10:02:23Z) - Support Recovery with Stochastic Gates: Theory and Application for
Linear Models [9.644417971611908]
本研究では,独立かつ同一に分布する正規誤差を持つ線形モデルにおいて,係数ベクトル(beta*$)の同時回復と推定の問題を解析する。
設計を考えると、$beta*$ $beta*$の適切な条件下では、STGベースの推定器は真のデータ生成係数ベクトルに収束し、その支持セットを高い確率で検出する。
論文 参考訳（メタデータ） (2021-10-29T17:59:43Z) - Large Non-Stationary Noisy Covariance Matrices: A Cross-Validation
Approach [1.90365714903665]
金融時系列のヘテロシデスティックな性質を利用する新しい共分散推定器を提案する。
断面次元と時系列次元の両方のノイズを減衰させることにより、我々は、競合する推定器に対する推定器の優位性を実証的に実証する。
論文 参考訳（メタデータ） (2020-12-10T15:41:17Z) - Estimation, Confidence Intervals, and Large-Scale Hypotheses Testing for
High-Dimensional Mixed Linear Regression [9.815103550891463]
本稿では,2つの線形回帰モデルのうちの1つから出力変数が得られた高次元混合線形回帰(MLR)について検討する。
本稿では, 2つの回帰ベクトルを推定し, その収束率を確立するための反復的手順を提案する。
回帰係数をテストするために大規模な多重検定手法を提案し, アルゴリズムによって偽発見率(FDR)を制御できることが示されている。
論文 参考訳（メタデータ） (2020-11-06T21:17:41Z) - Understanding Implicit Regularization in Over-Parameterized Single Index
Model [55.41685740015095]
我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。
暗黙正則化現象の理論的保証を提供する。
論文 参考訳（メタデータ） (2020-07-16T13:27:47Z) - Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。
正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。
カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文 参考訳（メタデータ） (2020-05-20T15:01:03Z) - Machine learning for causal inference: on the use of cross-fit
estimators [77.34726150561087]
より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。
平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。
機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
論文 参考訳（メタデータ） (2020-04-21T23:09:55Z) - Distributed Averaging Methods for Randomized Second Order Optimization [54.51566432934556]
我々はヘッセン語の形成が計算的に困難であり、通信がボトルネックとなる分散最適化問題を考察する。
我々は、ヘッセンのサンプリングとスケッチを用いたランダム化二階最適化のための非バイアスパラメータ平均化手法を開発した。
また、不均一なコンピューティングシステムのための非バイアス分散最適化フレームワークを導入するために、二階平均化手法のフレームワークを拡張した。
論文 参考訳（メタデータ） (2020-02-16T09:01:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。