Forecast model category

Autorégression vectorielle hiérarchique multivariée

La régression vectorielle automatique hiérarchique, les modèles HVAR, atténuent le problème de la dégradation des performances des prévisions, car chaque variable ajoutée est traitée démocratiquement alors que les données plus éloignées ont généralement tendance à être moins utiles pour les prévisions. Au lieu d'imposer un ordre de décalage unique et universel, les décalages peuvent varier d'un modèle HVAR à l'autre. Il n'y a pas de variables exogènes dans le cadre HVAR.
HVAR Componentwise Lasso
Dans les modèles par composants, toutes les variables ont le même décalage maximal.
HVAR Elementwise Lasso
La structure la plus générale, dans chaque modèle marginal, chaque série peut avoir son propre décalage maximal.
HVAR Own/Other Lasso
Impose un niveau de hiérarchie supplémentaire : donner la priorité aux « propres » retards par rapport aux « autres » retards dans le cadre du HVAR.

Explore more model categories

Univariés chronological series models
Modèles multivariés à fréquences mixtes
Autorégression vectorielle hiérarchique multivariée
Lasso de groupe, multivarié
Modèles pénalisés multivariés
Modèles d'apprentissage automatique multivariés
Modèles économétriques classiques multivariés

Nous fournissons un logiciel de prévision automatisé qui associe des méthodes académiques de pointe à des indicateurs avancés spécifiques au marché. Cela permet à votre organisation d'atteindre le plus haut niveau de précision des prévisions.

© 2025 Indicio Technologies Tous droits réservés