Forecast model category

Autoregressione vettoriale multivariata e gerarchica

I modelli Hierarchical Vector Auto Regression, HVAR, alleviano il problema delle prestazioni previsionali che iniziano a peggiorare man mano che ogni variabile aggiunta viene trattata democraticamente, nonostante i dati più distanti tendano generalmente a essere meno utili nelle previsioni. Invece di imporre un unico ordine di ritardo universale, i ritardi possono variare tra i modelli HVAR. Non ci sono variabili esogene nel framework HVAR.

HVAR Componentwise Lasso

Nei modelli Componentwise tutte le variabili hanno lo stesso ritardo massimo.

HVAR Elementwise Lasso

La struttura più generale, in ogni modello marginale, ogni serie può avere il suo ritardo massimo.

HVAR Own/Other Lasso

Impone un ulteriore livello di gerarchia: dando la priorità ai «propri» ritardi rispetto agli «altri» ritardi nel framework HVAR.

Explore more model categories

Modelli univariati con serie temporali

Modelli multivariati a frequenza mista

Autoregressione vettoriale multivariata e gerarchica

Multivariato, gruppo Lasso

Modelli multivariati e penalizzati

Modelli multivariati di machine learning

Modelli econometrici classici e multivariati