6533b7d5fe1ef96bd126560a
RESEARCH PRODUCT
Lielas dimensijas vektorautoregresīvo modeļu izmantošana prognozēšanai
Alīna Sadovskasubject
laikrindasVAR-XMatemātikaPrognozēšanaVARLassodescription
Vektorautoregresīvā procesa (VAR) modeļi ir parādījuši sevi, kā efektīva metode makroekonomisko laikrindu prognozēšanai. Taču VAR trūkums ir tāds, ka modeļa parametru telpa pieaug kvadrātiski, pievienojot modelim jaunu mainīgo. Tā kā mūsdienās valstu ekonomikas paliek savstarpēji saistītas, paliek aktuālāks jautājums par to, kā modelī iekļaut nemodelējamus ekzogēnos mainīgos. Vektorautoregresīvā procesa modelis ar ekzogēniem mainīgajiem (VAR-X ) ļauj iekļaut nemodelējamus mainīgos, taču tāpat sastopas ar dimensionalitātes problēmu. Lai uzlabotu retāka periodiskuma daudzdimensiju datu prognozēšanu, šajā darbā teorētiski izpētam regularizitētos VAR un VAR-X modeļus, kas izretina parametru telpu, izmantojot dažāda veida izliektās mērķa funkcijas. Praktiskajā daļā programmā R realizējam Latvijas iekšzemes kopprodukta prognozēšanu ar regularizētiem VAR un VAR-X.
| year | journal | country | edition | language |
|---|---|---|---|---|
| 2016-01-01 |