Wielowymiarowy, grupa 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 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.

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.

W tym modelu grupowanie rozróżnia własne opóźnienia serii od opóźnień innych serii. Ta struktura jest podobna do Componentwise (patrz poniżej), ale priorytetowo traktuje opóźnienia „własne” nad „innymi” opóźnieniami dla określonego opóźnienia. Opiera się to na hipotezie, że własne opóźnienia są bardziej pouczające niż inne opóźnienia.

Sparse odnosi się do nie karania całej grupy. W niektórych scenariuszach kara grupowa może być zbyt restrykcyjna. Z drugiej strony posiadanie wielu grup znacznie wydłuży czas obliczeń i generalnie nie poprawi wydajności prognozowania.