典型文献
基于Lasso-MIDAS模型的混频时间序列预测研究
文献摘要：
针对传统的时间序列预测方法在处理复杂丰富的大数据时常面临变量间抽样频率不同、数据相关性复杂等问题,基于Lasso算法和混频数据抽样模型(MIDAS)提出了不改变数据结构的混频时序预测模型Lasso-MIDAS.该模型通过融合MIDAS处理混频信息的机制和Lasso算法的压缩特性来实现估计预测,实时修正对预测最有效的混频变量集;根据常见的正则化方法岭回归设计了Ridge-MIDAS模型用做对比.实验结果表明,Lasso-MIDAS在预测性能上优于标准MIDAS模型及对比模型,验证了该方法在混频时间序列预测方面的有效性.
文献关键词：
混频数据;MIDAS模型;正则化;特征选择
中图分类号：
作者姓名：
罗楠;王璐;吴江斌;夏正兰
作者机构：
西南交通大学 数学学院,成都611756
文献出处：
引用格式：
[1]罗楠;王璐;吴江斌;夏正兰-.基于Lasso-MIDAS模型的混频时间序列预测研究)[J].计算机应用研究,2022(04):1003-1007
A类：
B类：
Lasso,MIDAS,时间序列预测,预测研究,间抽,数据相关性,混频数据,数据抽样,样模,变数,数据结构,时序预测模型,频信,压缩特性,频变,正则化方法,岭回归,Ridge,用做,预测性能,对比模型,特征选择
AB值：
0.355749
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
