[論文レビュー] Bayesian Analysis of AR(1) Model

Hossein Masoumi Karakani, Janet van Niekerk+1 more|arXiv (Cornell University)|Nov 26, 2016

Monetary Policy and Economic Impact参考文献 13被引用数 4

ひとこと要約

本稿では、定常性を保証するための切断正規priorを用いて、AR(1)モデルにおける自己回帰係数の推定に主観的ベイズ的手法を提示する。事後分布およびベイズ推定量を導出するとともに、シミュレーションおよび実データを用いた頻度的推定法との性能比較を実施し、4つのpriorを用いた感度分析を実施。最高事後密度領域基準に基づき、切断正規priorが優れた結果をもたらすことを示した。

ABSTRACT

The first-order autoregressive process, AR (1), has been widely used and implemented in time series analysis. Different estimation methods have been employed in order to estimate the autoregressive parameter. This article focuses on subjective Bayesian estimation as opposed to objective Bayesian estimation and frequentist procedures. The truncated normal distribution is considered as a prior, to impose stationarity. The posterior distribution as well as the Bayes estimator are derived. A comparative study between the newly derived estimator and other existing estimation methods (frequentist) is employed in terms of simulation and real data. Furthermore, a posterior sensitivity analysis is performed based on four different priors; g prior, natural conjugate prior, Jeffreys' prior and truncated normal prior and the performance is compared in terms of Highest Posterior Density Region criterion.

研究の動機と目的

• 定常性をpriorの指定によって強制するAR(1)モデルのパラメータ推定のための主観的ベイズフレームワークの構築。
• 自己回帰係数に切断正規priorを用いる場合の事後分布およびベイズ推定量の導出。
• シミュレーションスタディを用いて、頻度的推定法と比較して、推定の正確性および効率性を評価。
• g-prior、自然共役prior、ジェフレーズのprior、切断正規priorの4つの異なるpriorを用いた事後分布の感度分析を実施。
• 最高事後密度（HPD）領域基準を用いて推定量の性能を評価し、信頼性およびロバストネスを検証。

提案手法

• 自己回帰係数のpriorとして、定常性条件（|ρ| < 1）を満たすために切断正規分布を用いる。
• 仮定された尤度構造とprior構造の下で、パラメータの同時事後分布を解析的に導出する。
• 2乗誤差損失関数の下で、ベイズ推定量を事後平均として得る。
• バイアス、平均二乗誤差、被覆確率の観点から、頻度的推定量とベイズ推定量を比較するためのシミュレーションスタディを実施。
• 実世界の時系列データを用いて、実用的状況下での提案推定量の性能を検証。
• g-prior、自然共役prior、ジェフレーズのpriorに切り替えることで感度分析を実施し、HPD領域の幅と被覆確率を用いて性能を評価。

実験結果

リサーチクエスチョン

• RQ1 切断正規priorを用いた主観的ベイズ推定量は、頻度的推定量と比較してバイアスおよび平均二乗誤差の観点でどのように性能を発揮するか？
• RQ2 AR(1)モデルにおけるpriorの選択が事後推論に与える影響は何か。特に、定常性とHPD領域被覆確率の観点から。
• RQ3 切断正規priorに基づくベイズ推定量は、さまざまなデータ生成過程に対してどれほどロバストか？
• RQ4 切断正規priorの使用は、有限標本におけるベイズ推定量の頻度的性質を改善するか？
• RQ5 priorの選択がAR(1)モデルにおける最高事後密度（HPD）領域の幅と被覆確率に与える影響はどの程度か？

主な発見

• 有限標本において、切断正規priorに基づくベイズ推定量は、頻度的推定量と比較して低いバイアスおよび平均二乗誤差を示した。
• g-prior、自然共役prior、ジェフレーズのpriorと比較して、切断正規priorはより狭く、より正確な最高事後密度（HPD）領域をもたらした。
• 事後分布の感度分析の結果、priorの選択がHPD領域の被覆確率および幅に顕著な影響を与えることが判明。特に、切断正規priorは最も安定的かつ信頼性の高い結果を提供した。
• シミュレーション結果から、提案されたベイズ推定量は、さまざまなデータ条件下でも良好な頻度的性質（適切な被覆確率）を維持していることが示された。
• 切断正規priorの使用により、定常性制約が効果的に強制され、ρの事後推定量が(−1, 1)の区間外に出ることを回避した。
• 実データを用いた実証分析により、切断正規priorが安定的かつ解釈可能なパラメータ推定量を生成する点で優れた性能を発揮することが確認された。