کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6869206 681495 2016 18 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Adaptive bandwidth selection in the long run covariance estimator of functional time series
ترجمه فارسی عنوان
انتخاب پهنای باند سازگار در برآوردگر کوواریانس طولانی مدت سریهای عملکردی
کلمات کلیدی
داده های عملکردی، کوواریانس طولانی مدت، خطای میانگین مربعات، پهنای باند مطلوب،
ترجمه چکیده
در تجزیه و تحلیل سری های عملکردی یک شی که افزایش یافته است، عملکرد تابع کوواریانس بلند مدت است. این در چندین موقعیت، از جمله تکنیک های استنتاج و کاهش ابعاد داده های با ابعاد بزرگ، بوجود می آید، و برنامه های جدید به طور مرتب توسعه می یابند. با توجه به ارتباط آن با تراکم طیفی سریهای زمانی بعدی محدود، کوواریانس طولانی مدت به طور طبیعی با استفاده از برآوردگر مبتنی بر هسته تخمین زده می شود. سفارش بی نهایت تخت صاف هسته ها به دلیل ویژگی های کاهش ضریب اطمینان خود به خوبی می توانند برای چنین برآوردگرها انتخاب شوند. با این حال نشان داده شده است که انتخاب پهنای باند یا پارامتر صاف کردن می تواند تا حد زیادی بر عملکرد نمونه های محدود تاثیر بگذارد. روش انتخاب پهنای باند انطباق برای برآوردگرهای کرنل صاف کوواریانس طولانی مدت سری های عملکردی پیشنهاد شده است. این روش با استفاده از یک مطالعه شبیه سازی به طور گسترده مورد بررسی قرار گرفته است که هر دو می تواند ارزیابی دقت برآوردگرهای مبتنی بر هسته را برای عملکرد کوواریانس بلند مدت ارائه دهد و راهنمایی را برای متخصصان در انتخاب پهنای باند در زمینه داده های عملکردی فراهم می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
پیش نمایش مقاله
انتخاب پهنای باند سازگار در برآوردگر کوواریانس طولانی مدت سریهای عملکردی
چکیده انگلیسی
In the analysis of functional time series an object which has seen increased use is the long run covariance function. It arises in several situations, including inference and dimension reduction techniques for high dimensional data, and new applications are being developed routinely. Given its relationship to the spectral density of finite dimensional time series, the long run covariance is naturally estimated using a kernel based estimator. Infinite order “flat-top” kernels remain a popular choice for such estimators due to their well documented bias reduction properties, however it has been shown that the choice of the bandwidth or smoothing parameter can greatly affect finite sample performance. An adaptive bandwidth selection procedure for flat-top kernel estimators of the long run covariance of functional time series is proposed. This method is extensively investigated using a simulation study which both gives an assessment of the accuracy of kernel based estimators for the long run covariance function and provides a guide to practitioners on bandwidth selection in the context of functional data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 100, August 2016, Pages 676-693
نویسندگان
, , ,