Forecast model category

Multivariate, hierarchische Vektorautoregression

Die hierarchische automatische Vektorregression (HVAR-Modelle) mildern das Problem, dass sich die Prognoseleistung allmählich verschlechtert, da jede hinzugefügte Variable demokratisch behandelt wird, obwohl weiter entfernte Daten im Allgemeinen für Prognosen weniger nützlich sind. Anstatt eine einzige, universelle Verzögerungsreihenfolge vorzuschreiben, können Verzögerungen in den HVAR-Modellen variieren. Das HVAR-Framework enthält keine exogenen Variablen.
HVAR Componentwise Lasso
In komponentenweisen Modellen haben alle Variablen die gleiche maximale Verzögerung.
HVAR Elementwise Lasso
Die allgemeinste Struktur, in jedem Randmodell kann jede Serie ihre eigene maximale Verzögerung haben.
HVAR Own/Other Lasso
Erzwingt eine zusätzliche Hierarchieebene: Die Priorisierung „eigener“ Lags gegenüber „anderen“ Lags im HVAR-Framework.

Explore more model categories

Univariate, time series models
Multivariate, gemischte Frequenzmodelle
Multivariate, hierarchische Vektorautoregression
Multivariat, Gruppe Lasso
Multivariate, bestrafte Modelle
Multivariate Modelle für maschinelles Lernen
Multivariate, klassische ökonometrische Modelle

Wir bieten automatisierte Prognosesoftware, die modernste akademische Methoden mit marktspezifischen Frühindikatoren kombiniert. Dies hilft Ihrem Unternehmen, ein Höchstmaß an Prognosegenauigkeit zu erreichen.

© 2025 Indicio Technologies Alle Rechte vorbehalten