論文の概要: Time Series Gaussian Chain Graph Models

• arxiv url: http://arxiv.org/abs/2604.07018v1
• Date: Wed, 08 Apr 2026 12:36:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.523871
• Title: Time Series Gaussian Chain Graph Models
• Title（参考訳）: 時系列ガウス連鎖グラフモデル
• Authors: Qin Fang, Xinghao Qiao, Zihan Wang,
• Abstract要約: ブロックにまたがる有向エッジを経由した同時およびラタグ因果関係を表現する時系列ガウス連鎖グラフモデルを提案する。 我々はこの定式化を利用して時系列連鎖グラフ構造の識別可能性を確立する。 次に,無向エッジと有向エッジを推定するための3段階学習手法を提案する。
• 参考スコア（独自算出の注目度）: 11.31947474863695
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Time series graphical models have recently received considerable attention for characterizing (conditional) dependence structures in multivariate time series. In many applications, the multivariate series exhibit variable-partitioned blockwise dependence, with distinct patterns within and across blocks. In this paper, we introduce a new class of time series Gaussian chain graph models that represent contemporaneous and lagged causal relations via directed edges across blocks, while capturing within-block conditional dependencies through undirected edges. In the frequency domain, this formulation induces a cross-frequency shared group sparse plus group low-rank decomposition of the inverse spectral density matrices, which we exploit to establish identifiability of the time series chain graph structure. Building on this, we then propose a three-stage learning procedure for estimating the undirected and directed edge sets, which involves optimizing a regularized Whittle likelihood with a group lasso penalty to encourage group sparsity and a novel tensor-unfolding nuclear norm penalty to enforce group low-rank structure. We investigate the asymptotic properties of the proposed method, ensuring its consistency for exact recovery of the chain graph structure. The superior empirical performance of the proposed method is demonstrated through both extensive simulation studies and an application to U.S. macroeconomic data that highlights key monetary policy transmission mechanisms.
• Abstract（参考訳）: 時系列グラフィカルモデルは、最近、多変量時系列における(条件付き)依存構造の特徴付けにかなりの注目を集めている。 多くの応用において、多変量級数は、ブロック内およびブロック間の異なるパターンを持つ可変分割ブロック依存を示す。 本稿では,ブロックをまたいだ有向エッジによる同時およびラタグ因果関係を表現し,非向エッジによるブロック内条件依存性をキャプチャする時系列ガウス連鎖グラフモデルを提案する。 周波数領域において、この定式化は、逆スペクトル密度行列のクロス周波数共有群スパースとグループ低ランク分解を誘導し、時系列連鎖グラフ構造の識別可能性を確立する。 そこで我々は,非指向性および有向性エッジセットを推定するための3段階の学習手順を提案し,グループ間隙性を促進するためのグループラッソペナルティと,グループ低ランク構造を強制する新しいテンソル展開型核ノルムペナルティを,正規化ウィトル確率を最適化する。 提案手法の漸近特性について検討し,チェーングラフ構造を正確に復元するための整合性を確保する。 提案手法のより優れた実証性能は、広範囲なシミュレーション研究と、主要な金融政策伝達機構を強調する米国のマクロ経済データへの適用によって実証される。

関連論文リスト

• Forecasting as Rendering: A 2D Gaussian Splatting Framework for Time Series Forecasting [79.37674445572462]
  時系列予測(TSF)は、周期内変動と周期間トレンドの複雑な絡み合いのため、依然として困難な問題である。 形状変化テンソルを静止画像として扱うと、トポロジカルミスマッチが発生する。 均一な固定サイズの表現に依存することは、モデリング能力を非効率に割り当てる。 TimeGSは、予測パラダイムをレグレッションから2D生成レンダリングに根本的にシフトする、新しいフレームワークである。
  論文  参考訳（メタデータ） (2026-02-10T14:13:36Z)
• TimeMar: Multi-Scale Autoregressive Modeling for Unconditional Time Series Generation [11.455232661227313]
  時系列のための構造不整合型マルチスケール生成フレームワークを提案する。 提案手法は,複数の時間分解能において,シーケンスを離散トークンに符号化する。 提案手法は,既存の手法よりも高品質な時系列を生成することを示す。
  論文  参考訳（メタデータ） (2026-01-16T11:00:05Z)
• Robust Spectral Fuzzy Clustering of Multivariate Time Series with Applications to Electroencephalogram [6.62414474989199]
  スペクトル領域にファジィクラスタリングフレームワークを導入し、変数間の周波数特異なモノトニックな関係を抽出する。 本手法は、クラスタリング精度を向上させるために、周波数ベースのクロスリージョン接続パターンを優先的に活用する。 フラッグシップアプリケーションとして脳波記録を解析し,潜在認知状態の周波数・接続性特異的マーカーを明らかにする。
  論文  参考訳（メタデータ） (2025-06-28T12:02:01Z)
• MFRS: A Multi-Frequency Reference Series Approach to Scalable and Accurate Time-Series Forecasting [51.94256702463408]
  時系列予測は、周波数の異なる周期特性から導かれる。 マルチ周波数参照系列相関解析に基づく新しい時系列予測手法を提案する。 主要なオープンデータセットと合成データセットの実験は、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-03-11T11:40:14Z)
• Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
  データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。 階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
  論文  参考訳（メタデータ） (2023-05-11T10:30:35Z)
• Graph Gamma Process Generalized Linear Dynamical Systems [60.467040479276704]
  実マルチ変数時系列をモデル化するために,グラフガンマ過程(GGP)線形力学系を導入する。 時間的パターン発見のために、モデルの下での潜在表現は、時系列を多変量部分列の同相集合に分解するために使用される。 非零次ノード数が有限であるランダムグラフを用いて、潜時状態遷移行列の空間パターンと次元の両方を定義する。
  論文  参考訳（メタデータ） (2020-07-25T04:16:34Z)
• Continuous-Time Bayesian Networks with Clocks [33.774970857450086]
  グラフ結合したセミマルコフ連鎖の集合を構成するために,ノードワイズクロックのセットを導入する。 パラメータと構造推論のためのアルゴリズムを提供し、局所的な依存関係を利用する。
  論文  参考訳（メタデータ） (2020-07-01T09:33:39Z)

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。