Model averaging prediction for time series models with a diverging number of parameters
时间：2019-04-04
阅读量：333次
- 演讲人： 邹国华教授
- 时间：2019年04月18日 星期四下午4:00
- 地点：紫金港校区管理学院行政楼14楼1417报告厅
- 主办单位：浙江大学数据科学研究中心、浙江大学数学科学学院统计学研究所
摘要：An important problem with model averaging approach is the choice of weights. In this paper, a generalized Mallows model averaging (GMMA) criterion for choosing weights is developed in the context of an infinite order autoregressive (AR(infinity)) process. The GMMA method adapts to the circumstances in which the dimensions of candidate models can be large and increase with the sample size. The GMMA method is shown to be asymptotically optimal in the sense of obtaining the best out-of-sample mean-squared prediction error (MSPE) for both the independent-realization and the same-realization predictions, which, as a byproduct, solves a conjecture put forward by Hansen (2008) that the well-known Mallows model averaging (MMA) criterion from Hansen (2007) is asymptotically optimal for predicting the future of a times series. The rate of the GMMA based weight estimator tending to the optimal weight vector minimizing the independent-realization MSPE is derived as well. Both simulation experiment and real data analysis illustrate the merits of GMMA method in the prediction of AR (infinity) process.
欢迎参加！
联系人: 张立新教授 stazlx@zju.edu.cn
浙江大学数据科学研究中心、浙江大学数学科学学院统计学研究所
报告人简介：
邹国华，首都师范大学特聘教授。博士毕业于中国科学院系统科学研究所，是国家杰出青年基金获得者、曾获中国科学院优秀研究生指导教师称号。
主要从事统计学的理论研究及其在经济金融、生物医学中的应用研究工作，在统计模型选择与平均、决策函数的优良性、抽样调查的设计与分析、疾病与基因的关联分析等方面的研究中取得了一系列重要成果，得到了国内外同行的好评与肯定（例如，他关于抽样设计可容许性的研究，被陈希孺院士在其著作《高等数理统计学》(1999) 中评述到: 前引邹—冯文章（1995，《科学通报》）用一种精巧的构造法证明了, ……, 从而彻底解决了方案p* 的容许性），并被广泛引用。共出版教材1本，在《中国科学》（5篇）、Biometrika（2篇）、Genetics（3篇）、Journal of Econometrics（6篇）、Journal of the American Statistical Association（4篇）等国内外顶级期刊上发表论文110余篇；主持或参加过二十多项国家自然科学基金项目以及全国性的实际课题，提出的预测方法被实际部门所采用。