• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>AStA Advances in statistical analysis >Order selection for possibly infinite-order non-stationary time series
【24h】

Order selection for possibly infinite-order non-stationary time series

机译：可能无限阶数的订单选择（可能无限的非静止时间序列

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Most model selection methods for time series models with many predictors are devised for the stationary processes. We consider the problem of selecting higher-order autoregressive (AR) models whose integration orders can be positive or zero, and hence both stationary and non-stationary cases are included. Combining the strengths of AIC and BIC, we propose a two-stage information criterion (TSIC), and show that TSIC is asymptotically efficient in predicting integrated AR models when the underlying AR coefficients satisfy a wide range of conditions. We also conduct a simulation study to compare the performance of AIC, HQIC, BIC, TSIC, Lasso, the adaptive Lasso and the bridge criterion. Our study reveals that TSIC performs favorably compared to other methods in various scenarios.
机译：为静止过程设计了具有许多预测器的时间序列模型的大多数模型选择方法。我们考虑选择较高级的自回归（AR）模型的问题，其集成订单可以是正或零，因此包括静止和非静止案例。组合AIC和BIC的优点，我们提出了一种两级信息标准（TSIC），并且显示TSIC在底层AR系数满足各种条件时预测集成的AR模型渐近有效。我们还进行了一种模拟研究，以比较AIC，HQIC，BIC，TSIC，套索，自适应套索和桥梁标准的性能。我们的研究表明，与各种情景中的其他方法相比，TSIC表现出有利。

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