2018 Fiscal Year Annual Research Report
Multivariate time series modeling with sparse regularization and its applications
| Project/Area Number |
16K00067
|
|---|
| Research Institution | The Institute of Statistical Mathematics |
|---|
Principal Investigator |
川崎 能典 統計数理研究所, モデリング研究系, 教授 (70249910)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | ボラティリティ / HARモデル / モデル信頼集合 / スパース正則化 / 円滑閾値型推定方程式 / 対数死亡率 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、応募者がこれまで取り組んできた円滑閾値型推定方程式によるスパース正則化の方法論を、時系列解析の諸問題に水平展開することである。事例候補のひとつに、多変量ボラティリティモデルでの変数選択があり、今年度はテキストデータから抽出した時系列情報をボラティリティモデルに取り込み、予測性の向上を検証する研究を行った。
具体的には動的トピックモデルから推定される各トピック時系列をHeterogeneous Autoregressive Model(HARモデル)の右辺に取り込み、Pattonの誤差関数に基づくモデル信頼集合(Model Confidence Set, MCS)を用いることによりモデルの予測力比較を行った。特定のトピックスコアは実現ボラティリティの動きによく似ており、HARモデルの予測力を改善するトピック系列を事後的に発見することに成功した。
この内容は、国際会議 CEQURA Conference 2018 on Advances in Financial and Insurance Risk Management (ミュンヘン、ドイツ、2018年10月5日)と、国際会議 2019 ISI-ISM-ISSAS Joint Conference(台北、台湾、2019年1月19日)で口頭発表した。
この他、対数死亡率に対するLee-Carterモデルの残差に関し、高次元多変量自己回帰モデルをあてはめる研究を実施した。生年の順序という構造を利用し同時応答を含む形で単一方程式ベースの推計を行い、その際にパラメータに対して円滑閾値型推定方程式によるスパース正則化を課すアプローチにより、先行研究で先験的に仮定されている構造以外に、興味深い構造が示唆された。また、円滑閾値型推定方程式を利用した与信スコアリングに関する講演を行った。
|
