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 (203 Česká republika, garant).
• Vydání: Hradec Králové, Mathematical Methods in Economics 2005, od s. 390-395, 6 s. 2005.
• Nakladatel: Gaudeamus, University of Hradec Králové

Další údaje

• Originální 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

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.

Anotace 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.