Forecast model category

Multivariante, grupo Lasso

En 2006, Yuan y Lin introdujeron el lazo grupal para permitir que grupos predefinidos de covariables se seleccionaran juntos dentro o fuera de un modelo, de modo que todos los miembros de un grupo en particular estuvieran incluidos o no incluidos.
Penalización de VARX por grupos propios u otros grupos dispersos
Escasez se refiere a no penalizar a todo un grupo. En algunos casos, una penalización grupal puede ser demasiado restrictiva. Por otro lado, tener muchos grupos aumentará considerablemente el tiempo de cálculo y, por lo general, no mejora el rendimiento de las previsiones.
Penalización propia o de otro grupo de VARX
En este modelo, la agrupación distingue entre los rezagos propios de una serie y los de otras series. Esta estructura es similar a la de los componentes (ver más abajo), pero prioriza los retrasos «propios» sobre los «otros» para un retraso específico. Esto se basa en la hipótesis de que los desfases propios son más informativos que otros desfases.
VAR Lag weighted Lasso
Consists of a Lasso penalty that increases geometrically with lag. This means that shorter lags are prioritized in these models, compared to the set up in other VAR models.
VARX Endogenous-First
VARX Endegenous-First utilizes a penalty to prioritize endogenous series. At a given lag, an exogenous series can enter the model only if their endogenous counterpart is nonzero.
VARX Lag Group Lasso
Groups the series based on the lags of the explanatory variables. The model selects the variables and their lags based on lag grouping, meaning that the 1st lags, 2nd lags etc. of all variables are put into groups. If not contributing, entire groups will then be penalized.

Explore more model categories