[论文解读] The Cepstral Model for Multivariate Time Series: The Vector Exponential Model

Scott H. Holan, Tucker McElroy+1 more|arXiv (Cornell University)|Jun 3, 2014

Spectroscopy and Chemometric Analyses参考文献 22被引用 3

一句话总结

本文提出了向量指数模型（VEXP），一种用于多元时间序列的频域方法，通过使用倒谱系数的矩阵指数建模谱密度矩阵，确保内在平稳性和可逆性。该方法实现了无约束参数估计、高效计算Wold系数，并支持稳健的贝叶斯推断，且在可识别性和收敛性方面具有理论保证。

ABSTRACT

Vector autoregressive (VAR) models have become a staple in the analysis of multivariate time series and are formulated in the time domain as difference equations, with an implied covariance structure. In many contexts, it is desirable to work with a stable, or at least stationary, representation. To fit such models, one must impose restrictions on the coefficient matrices to ensure that certain determinants are nonzero; which, except in special cases, may prove burdensome. To circumvent these difficulties, we propose a flexible frequency domain model expressed in terms of the spectral density matrix. Specifically, this paper treats the modeling of covariance stationary vector-valued (i.e., multivariate) time series via an extension of the exponential model for the spectrum of a scalar time series. We discuss the modeling advantages of the vector exponential model and its computational facets, such as how to obtain Wold coefficients from given cepstral coefficients. Finally, we demonstrate the utility of our approach through simulation as well as two illustrative data examples focusing on multi-step ahead forecasting and estimation of squared coherence.

研究动机与目标

• 为解决传统VAR和VARMA模型在无约束参数估计下可能不平稳或不可逆的局限性。
• 开发一种灵活的频域多元时间序列模型，通过构造保证稳定性和可逆性。
• 通过倒谱系数的矩阵指数参数化谱密度，实现无约束参数估计，特别是在贝叶斯框架中。
• 提供计算高效的算法，将倒谱系数转换为Wold系数，以促进预测和谱分析。
• 通过模拟和真实数据示例展示模型的实用性，重点关注多步预测和平方相干性估计。

提出的方法

• 提出向量指数模型（VEXP）作为单变量指数模型在多元时间序列中的扩展，以谱密度矩阵为核心表示。
• 通过复单位圆上矩阵指数的幂级数定义VEXP，确保谱密度在所有频率上非奇异，从而保证可逆性。
• 利用谱密度的矩阵对数提取倒谱系数，作为无约束的实值参数。
• 推导显式递归算法，通过矩阵导数和幂级数展开，从倒谱系数计算Wold系数。
• 应用矩阵对数和指数函数，确保谱密度在所有频率上保持正定且可逆。
• 在贝叶斯估计中采用随机搜索变量选择和独立非信息性高斯先验，利用无约束参数空间实现一致的先验设定。

实验结果

研究问题

• RQ1 能否构建一种内在平稳且可逆的多元时间序列模型，而无需对系数矩阵施加限制性约束？
• RQ2 如何高效地将倒谱系数转换为向量过程的Wold系数，以支持预测和谱分析？
• RQ3 VEXP模型在多大程度上能以任意精度逼近任意稳定且可逆的向量过程？
• RQ4 在贝叶斯估计设置中，VEXP模型的表现如何，特别是与受约束的VAR或VARMA模型相比？
• RQ5 使用VEXP对多元时间序列的长期预测和相干性估计有何影响？

主要发现

• VEXP模型对所有参数值均保证内在平稳性和可逆性，无需施加限制性系数约束。
• 倒谱参数化允许无约束的实值参数，支持在贝叶斯分析中使用独立、非信息性高斯先验。
• 开发了高效算法，通过矩阵导数和幂级数展开，从倒谱系数计算Wold系数。
• 该模型具有可识别性：不同的倒谱系数矩阵产生不同的谱密度矩阵，确保参数可唯一恢复。
• VEXP模型在稳定且可逆的向量过程空间中是稠密的，可实现任意逼近精度。
• 模拟和真实数据示例表明，模型在多步预测和平方相干性估计方面表现优异，长期预测滤波器稳定且定义明确。