Princip přeurčenosti ve VARMA modelech

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14560%2F07%3A00020673" target="_blank" >RIV/00216224:14560/07:00020673 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

The Principle of Overcompleteness in VARMA Models

Popis výsledku v původním jazyce

In this paper we derive essential relations which are necessary for application of the principle of overcompleteness to sparse parameter estimation in multivariate ARMA models (VARMA models). This new approach is based on the Basis Pursuit Algorithm originally suggested by Chen et al [SIAM Review 43 (2001), No.1]. Overcompleteness means that we admit higher range of orders within which we are looking for lowest possible number of significant parameters (sparsity). A previous study [V. Veselý and J. Tonner: Austrian Journal of Statistics, Special Issue 2006] confirmed that this relaxation of the commonly used low-order assumption may yield more precise forecasts from ARMA models when compared with standard statistical estimation techniques. The resultsof the numerical simulation study and the tests on real data can be seen in [Mathematical Methods in Economics 2006, J. Tonner: The Principle of Overcompleteness in Economic Multivariate Time Series Models].

Název v anglickém jazyce

The Principle of Overcompleteness in VARMA Models

Popis výsledku anglicky

In this paper we derive essential relations which are necessary for application of the principle of overcompleteness to sparse parameter estimation in multivariate ARMA models (VARMA models). This new approach is based on the Basis Pursuit Algorithm originally suggested by Chen et al [SIAM Review 43 (2001), No.1]. Overcompleteness means that we admit higher range of orders within which we are looking for lowest possible number of significant parameters (sparsity). A previous study [V. Veselý and J. Tonner: Austrian Journal of Statistics, Special Issue 2006] confirmed that this relaxation of the commonly used low-order assumption may yield more precise forecasts from ARMA models when compared with standard statistical estimation techniques. The resultsof the numerical simulation study and the tests on real data can be seen in [Mathematical Methods in Economics 2006, J. Tonner: The Principle of Overcompleteness in Economic Multivariate Time Series Models].

Druh

D - Stať ve sborníku

CEP obor

AH - Ekonomie

OECD FORD obor

—

Projekt

<a href="/cs/project/GA402%2F05%2F2172" target="_blank" >GA402/05/2172: Měnová politika a makroekonomická stabilizace : identifikace a aplikace modelů všeobecné rovnováhy</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2007

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Summer School DATASTAT 06, Proceedings, Masaryk Univeristy, 2007

ISBN

978-80-210-4493-7

ISSN

—

e-ISSN

—

Počet stran výsledku

4

Strana od-do

253-257

Název nakladatele

Masaryk University

Místo vydání

Brno

Místo konání akce

Brno

Datum konání akce

1. 1. 2006

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—