Model selection and randomization for weakly dependent time series forecasting

Abstract : 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.
Type de document :
Communication dans un congrès
41èmes Journées de Statistique, SFdS, Bordeaux, 2009, Bordeaux, France, France. 2009
Liste complète des métadonnées

Littérature citée [12 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00386733
Contributeur : Conférence Jds2009 <>
Soumis le : vendredi 22 mai 2009 - 09:16:57
Dernière modification le : lundi 29 mai 2017 - 14:23:00
Document(s) archivé(s) le : jeudi 10 juin 2010 - 23:40:09

Fichier

p229.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00386733, version 1

Collections

Citation

Pierre Alquier, Olivier Wintenberger. Model selection and randomization for weakly dependent time series forecasting. 41èmes Journées de Statistique, SFdS, Bordeaux, 2009, Bordeaux, France, France. 2009. 〈inria-00386733〉

Partager

Métriques

Consultations de la notice

1614

Téléchargements de fichiers

4181