• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE Global Conference on Signal and Information Processing >Robust maximum likelihood estimation of sparse vector error correction model
【24h】

Robust maximum likelihood estimation of sparse vector error correction model

机译：稀疏向量误差校正模型的鲁棒最大似然估计

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In econometrics and finance, the vector error correction model (VECM) is an important time series model for cointegration analysis, which is used to estimate the long-run equilibrium variable relationships. The traditional analysis and estimation methodologies assume the underlying Gaussian distribution but, in practice, heavy-tailed data and outliers can lead to the inapplicability of these methods. In this paper, we propose a robust model estimation method based on the Cauchy distribution to tackle this issue. In addition, sparse cointegration relations are considered to realize feature selection and dimension reduction. An efficient algorithm based on the majorization-minimization (MM) method is applied to solve the proposed nonconvex problem. The performance of this algorithm is shown through numerical simulations.
机译：在计量经济学和金融学中，矢量误差校正模型（VECM）是进行协整分析的重要时间序列模型，用于估计长期均衡变量关系。传统的分析和估计方法采用了潜在的高斯分布，但实际上，大量的数据和异常值可能导致这些方法的不适用性。在本文中，我们提出了一种基于柯西分布的鲁棒模型估计方法来解决这个问题。另外，考虑稀疏协整关系以实现特征选择和降维。提出了一种基于主最小化算法的有效算法来解决所提出的非凸问题。通过数值仿真表明了该算法的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号