Forecast model category

Multivariate, hiërarchische autoregressie van vectoren

Hiërarchische automatische vectorregressie, HVAR-modellen, verminderen het probleem dat de voorspellingsprestaties beginnen af te nemen, aangezien elke toegevoegde variabele democratisch wordt behandeld, ondanks het feit dat gegevens die verder weg liggen over het algemeen minder nuttig zijn bij het maken van voorspellingen. In plaats van één universele vertragingsvolgorde op te leggen, kunnen vertragingen per HVAR-model verschillen. Er zijn geen exogene variabelen in het HVAR-raamwerk.

HVAR Componentwise Lasso

In Componentwise-modellen hebben alle variabelen dezelfde maximale vertraging.

HVAR Elementwise Lasso

De meest algemene structuur, in elk marginaal model kan elke serie zijn eigen maximale vertraging hebben.

HVAR Own/Other Lasso

Legt een extra hiërarchische laag op: in het HVAR-raamwerk wordt prioriteit gegeven aan „eigen” vertragingen boven „andere” vertragingen.

Explore more model categories

Univariate modellen met tijdreeksen

Multivariate modellen met gemengde frequentie

Multivariate, bestrafte modellen

Multivariate, hiërarchische autoregressie van vectoren

Multivariate, groep Lasso

Multivariate modellen voor machine learning

Multivariate, klassieke econometrische modellen