کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10527214 958741 2013 18 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Factor models in high-dimensional time series-A time-domain approach
ترجمه فارسی عنوان
مدل های فاکتور در سری زمانی بزرگ - یک رویکرد زمان دامنه
کلمات کلیدی
سری زمانی، ابعاد بزرگ، مدل فاکتور، مقدار خاص پویا، داینامیک ویژه مولفه اصلی پویا تراکم طیفی، پنل اطلاعات،
ترجمه چکیده
سری های زمانی با ابعاد بزرگ ممکن است رایج ترین نوع داده ها در به اصطلاح داده بزرگ داده شود؟ انقلاب و فعالیت های جاری در بسیاری از مناطق، از جمله هواشناسی، ژنوم، شیمی، ارتباطات، شبیه سازی فیزیک پیچیده، تحقیقات زیست محیطی و محیط زیست، مالی و اقتصاد سنجی وارد شده است. تجزیه و تحلیل چنین مجموعه داده ها چالش های قابل توجهی را از نظر آماری و همچنین از دیدگاه عددی به دست می دهد. موفق ترین روش ها تا کنون بر اساس تکنیک های کاهش ابعاد و بویژه در مدل های فاکتور با ابعاد بزرگ بوده است. این مدلها، اساسا، در طی دورههای اقتصادسنجی سری، توسعه یافته و مورد احترام قرار گرفتهاند. در این مقاله، ارائه یک مبنای زمان بندی اولیه مبنای روش شناختی این مدل ها (مدل های فاکتور پویا معمولا از طریق یک روش طیفی توصیف می شود)، با در نظر داشتن مفاهیم نظری مشترک و خصوصیات، عوامل و شوک های مشترک، اجزای اصلی پویا و استاتیک . این رویکرد دامنه زمان بر این واقعیت تاکید می کند که بر خلاف مدل های فاکتور استاتیک که توسط تمرین کنندگان مورد توجه قرار می گیرند، مدل فاکتور پویش عمومی به اصطلاح هیچ محدودیتی در فرایند تولید داده ها ایجاد نمی کند بلکه از یک نتیجه نمایندگی عمومی پیروی می کند.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات ریاضیات (عمومی)
چکیده انگلیسی
High-dimensional time series may well be the most common type of dataset in the so-called “big data” revolution, and have entered current practice in many areas, including meteorology, genomics, chemometrics, connectomics, complex physics simulations, biological and environmental research, finance and econometrics. The analysis of such datasets poses significant challenges, both from a statistical as well as from a numerical point of view. The most successful procedures so far have been based on dimension reduction techniques and, more particularly, on high-dimensional factor models. Those models have been developed, essentially, within time series econometrics, and deserve being better known in other areas. In this paper, we provide an original time-domain presentation of the methodological foundations of those models (dynamic factor models usually are described via a spectral approach), contrasting such concepts as commonality and idiosyncrasy, factors and common shocks, dynamic and static principal components. That time-domain approach emphasizes the fact that, contrary to the static factor models favored by practitioners, the so-called general dynamic factor model essentially does not impose any constraints on the data-generating process, but follows from a general representation result.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Stochastic Processes and their Applications - Volume 123, Issue 7, July 2013, Pages 2678-2695
نویسندگان
, ,