VARMA 모델의 확장 가능한 추정 (Scalable estimation of VARMA models)

요약

기존에 계산 비용 문제로 실용성이 낮았던 VARMA 모델을 시계열 길이에 독립적인 비용으로 추정할 수 있는 새로운 프레임워크를 제안합니다. 재매개변수화와 충분 통계량을 활용하여 대규모 데이터에서도 효율적이고 안정적인 추정이 가능함을 증명했습니다.

핵심 포인트

• 시계열 길이(T)에 독립적인 최적화 반복 비용 달성
• 정상성 및 가역성을 보장하는 부분 자기상관 재매개변수화 도입
• 고정된 크기의 충분 통계량을 통한 효율적인 손실 함수 계산
• 기존 MLE 대비 높은 안정성과 대규모 데이터 확장성 확보
• 소매 수요, 기상 데이터 등 다양한 실무 데이터에서 우수한 성능 입증