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

In Componentwise models all variables have the same maximum lag.

HVAR Elementwise Lasso

The most general structure, in each marginal model, each series may have its own maximum lag.

HVAR Own/Other Lasso

Imposes an additional layer of hierarchy: prioritizing “own” lags over “other” lags in the HVAR framework.

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