inria-00386733, version 1
Model selection and randomization for weakly dependent time series forecasting
Pierre Alquier 1, 2Olivier Wintenberger 3
41èmes Journées de Statistique, SFdS, Bordeaux (2009)
Résumé : Observing a stationary time series, we propose in this paper new two steps procedures for predicting the next value of the time series. Following machine learning theory paradigm, the first step consists in determining randomized estimators, or "experts", in (possibly numerous) different predictive models. In the second step estimators are obtained by model selection or randomization associated with exponential weights of these experts. We prove Oracle inequalities for both estimators and provide some applications for linear, artificial Neural Networks and additive non-parametric predictors.
- 1 : Laboratoire de Probabilités et Modèles Aléatoires (LPMA)
- CNRS : UMR7599 – Université Paris VI - Pierre et Marie Curie – Université Paris VII - Paris Diderot
- 2 : Centre de Recherche en Économie et Statistique (CREST)
- INSEE – École Nationale de la Statistique et de l'Administration Économique
- 3 : CEntre de REcherches en MAthématiques de la DEcision (CEREMADE)
- CNRS : UMR7534 – Université Paris IX - Paris Dauphine
- Domaine : Mathématiques/Statistiques
- inria-00386733, version 1
- http://hal.inria.fr/inria-00386733
- oai:hal.inria.fr:inria-00386733
- Contributeur : Conférence Jds2009
- Déposé pour le compte de :
- Soumis le : Vendredi 22 Mai 2009, 09:16:57
- Dernière modification le : Lundi 25 Mai 2009, 07:06:21






Documents associés
Exporter