Sparse Parameter Estimation in Economic Time Series Models

TONNER, Jaromír. Sparse Parameter Estimation in Economic Time Series Models. In Mathematical Methods in Economics 2005. Hradec Králové: Gaudeamus, University of Hradec Králové, 2005, s. 390-395. ISBN 80-7041-535-5.

Základní údaje

Originální název

Sparse Parameter Estimation in Economic Time Series Models

Název česky

Odhad parametrů v řídkých modelech ekonomických časových řad

Autoři

TONNER, Jaromír

Vydání

Hradec Králové, Mathematical Methods in Economics 2005, od s. 390-395, 6 s. 2005

Nakladatel

Gaudeamus, University of Hradec Králové

---

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

50200 5.2 Economics and Business

Stát vydavatele

Česká republika

Utajení

není předmětem státního či obchodního tajemství

Kód RIV

RIV/00216224:14560/05:00031203

Organizační jednotka

Ekonomicko-správní fakulta

ISBN

80-7041-535-5

UT WoS

000260962400063

Klíčová slova anglicky

sparse system; parameter estimation; overcomplete system; ARMA models; l1 norm optimization; stationary time series

Štítky

ARMA models, l1 norm optimization, overcomplete system, parameter estimation, sparse system, stationary time series

---

Anotace

V originále

The aim of this contribution is to study techniques and algorithms which are appropriate for modeling and analysis of data in economic models with a lot of parameters. So the aim is to reach a reduction of information underlying in data into the least possible number of parameters and to find their estimates with appropriately constructed and numerically stable algorithms. An attention will be devoted to predictions in economic time series and for estimation of parameters in models of small opened economics. An identification of redundant parameters and their displacement from the model will enable us an essential reduction of uncertainty of estimations of the rest of significant parameters. In this article we would like to explain and demonstrate the techniques based on l1 optimization for the estimation of parameters in models of univariate time series ( ARIMA models ). We will use simulated data as well as real data.

Česky

Záměrem tohoto příspěvku je studium algoritmů vhodných pro modelování a analýzu dat v ekonomických modelech s mnoha parametry. Cílem je tedy dosáhnout redukce informace uložené v datech do co nejmenšího počtu parametrů a najít jejich odhady prostřednictvím vhodně konstruovaných a numericky stabilních algoritmů. Pozornost bude věnována především predikcím ekonomických časových řad a odhadu parametrů v modelech malé otevřené ekonomiky. Identifikace přebytečných parametrů a jejich odstranění z modelu umožní podstatné snížení neurčitosti odhadů zbývajících významných parametrů. V tomto článku chceme vysvětlit a demostrovat techniky založené na l1 optimalizaci při odhadech parametrů v jednorozměrných modelech časových řad ( ARIMA modely ). Použijeme jak simulovaná, tak i reálná data.