論文の概要: Identifying Elasticities in Autocorrelated Time Series Using Causal Graphs

• arxiv url: http://arxiv.org/abs/2409.15530v1
• Date: Mon, 23 Sep 2024 20:28:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-26 12:47:38.610976
• Title: Identifying Elasticities in Autocorrelated Time Series Using Causal Graphs
• Title（参考訳）: 因果グラフを用いた自己相関時系列の弾性の同定
• Authors: Silvana Tiedemann, Jorge Sanchez Canales, Felix Schur, Raffaele Sgarlato, Lion Hirth, Oliver Ruhnau, Jonas Peters,
• Abstract要約: 機器変数を用いた観測データから需要の価格弾力性の推定(IV) 因果時間グラフはIV同定を単純化し、一貫した推定器を選択するのに役立つと論じる。 この手法をドイツの電力市場に適用し、シミュレーションおよび実世界のデータに基づいて需要の価格弾力性を推定する。
• 参考スコア（独自算出の注目度）: 5.472469695890644
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The price elasticity of demand can be estimated from observational data using instrumental variables (IV). However, naive IV estimators may be inconsistent in settings with autocorrelated time series. We argue that causal time graphs can simplify IV identification and help select consistent estimators. To do so, we propose to first model the equilibrium condition by an unobserved confounder, deriving a directed acyclic graph (DAG) while maintaining the assumption of a simultaneous determination of prices and quantities. We then exploit recent advances in graphical inference to derive valid IV estimators, including estimators that achieve consistency by simultaneously estimating nuisance effects. We further argue that observing significant differences between the estimates of presumably valid estimators can help to reject false model assumptions, thereby improving our understanding of underlying economic dynamics. We apply this approach to the German electricity market, estimating the price elasticity of demand on simulated and real-world data. The findings underscore the importance of accounting for structural autocorrelation in IV-based analysis.
• Abstract（参考訳）: 機器変数を用いた観測データから需要の価格弾力性を評価することができる(IV)。 しかし、ネーブIV推定器は自己相関時系列の設定では矛盾することがある。 因果時間グラフはIV同定を単純化し、一貫した推定器を選択するのに役立つと論じる。 そこで本稿では,価格と量の同時決定の仮定を維持しつつ,有向非巡回グラフ(DAG)を導出する未観測の共著者による平衡状態のモデル化を提案する。 そこで我々は,近年のグラフィカル推論の進歩を利用して,ニュアンス効果を同時に推定することで,一貫性を達成できる推定器を含む有効なIV推定器を導出する。 さらに、有効な推定値の見積もり間で有意な違いを観察することは、誤ったモデル仮定を拒絶し、基礎となる経済力学の理解を改善するのに役立つと論じる。 この手法をドイツの電力市場に適用し、シミュレーションおよび実世界のデータに基づいて需要の価格弾力性を推定する。 この結果から,IV型分析における自己相関構造の重要性が示唆された。

関連論文リスト

• Geometry-Aware Instrumental Variable Regression [56.16884466478886]
  本稿では,データ導出情報によるデータ多様体の幾何を考慮した移動型IV推定器を提案する。 本手法のプラグイン・アンド・プレイ実装は,標準設定で関連する推定器と同等に動作する。
  論文  参考訳（メタデータ） (2024-05-19T17:49:33Z)
• Selective Temporal Knowledge Graph Reasoning [70.11788354442218]
  時間的知識グラフ(TKG)は、与えられた歴史的事実に基づいて将来の事実を予測することを目的としている。 既存のTKG推論モデルは、不確実な予測を控えることができない。 本稿では,既存のモデルが無差別な予測ではなく選択的に行うのに役立つ,TKG推論の棄却機構を提案する。
  論文  参考訳（メタデータ） (2024-04-02T06:56:21Z)
• Futures Quantitative Investment with Heterogeneous Continual Graph Neural Network [13.882054287609021]
  本研究では,グラフニューラルネットワークに基づく連続学習因子予測器を提案することにより,高周波取引(HFT)における先物価格予測の課題を解決することを目的とする。 このモデルは、マルチ価格理論とリアルタイム市場ダイナミクスを統合し、既存の手法の制限を効果的に回避する。 中国の先物市場における49の商品先物に関する実証実験は、提案されたモデルが予測精度で他の最先端モデルよりも優れていることを示した。
  論文  参考訳（メタデータ） (2023-03-29T08:39:36Z)
• Improving Inference from Simple Instruments through Compliance Estimation [0.0]
  機器変数(IV)回帰は、治療の受け取りが完全にランダムでない環境での因果治療効果を推定するために広く用いられている。 IVは、一貫した治療効果の見積もりを回復できるが、しばしばうるさい。 楽器の強度の予測可能な変動を利用して,IV推定値の効率を改善する方法について検討した。
  論文  参考訳（メタデータ） (2021-08-08T20:18:34Z)
• Scalable Quasi-Bayesian Inference for Instrumental Variable Regression [40.33643110066981]
  本稿では,最近開発されたカーネル化IVモデルに基づいて,拡張性のある準ベイズ的回帰法を提案する。 提案手法では,データ生成プロセスに関する追加の仮定を必要とせず,対応する点推定法に匹敵する時間コストで,スケーラブルな近似推論アルゴリズムを導出する。
  論文  参考訳（メタデータ） (2021-06-16T12:52:19Z)
• When in Doubt: Neural Non-Parametric Uncertainty Quantification for Epidemic Forecasting [70.54920804222031]
  既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。 不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。 本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-07T18:31:47Z)
• Instrumental Variable Value Iteration for Causal Offline Reinforcement Learning [107.70165026669308]
  オフライン強化学習(RL)では、事前収集された観測データのみから最適なポリシーが学習される。 遷移力学が加法的非線形汎関数形式を持つようなマルコフ決定過程について検討する。 そこで本稿では,条件付きモーメント制限の原始的2次元再構成に基づく,証明可能なIVVIアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-19T13:01:40Z)
• Latent Causal Invariant Model [128.7508609492542]
  現在の教師付き学習は、データ適合プロセス中に急激な相関を学習することができる。 因果予測を求める潜在因果不変モデル(LaCIM)を提案する。
  論文  参考訳（メタデータ） (2020-11-04T10:00:27Z)
• On Disentangled Representations Learned From Correlated Data [59.41587388303554]
  相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。 本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。 また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
  論文  参考訳（メタデータ） (2020-06-14T12:47:34Z)
• High-dimensional mixed-frequency IV regression [0.0]
  本稿では,混合周波数でサンプリングしたデータに対する高次元線形IV回帰法を提案する。 オーストラリアの電気スポット市場における供給のリアルタイム価格弾力性を推定する。
  論文  参考訳（メタデータ） (2020-03-30T13:41:02Z)
• Prediction of adverse events in Afghanistan: regression analysis of time series data grouped not by geographic dependencies [0.0]
  本研究は、アフガニスタンの戦域に関する高度にバランスの取れないデータに対する、困難な回帰課題にアプローチすることであった。 アフガニスタンの400地区ごとに、投資に関する歴史的データと負の事象の正確な性質を区別することなく、負の事象数を予測することに注力した。
  論文  参考訳（メタデータ） (2020-02-27T15:58:51Z)

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。