先来回忆一下单变量
p
p
p 阶自回归模型
A
R
(
p
)
AR(p)
AR(p):
y
t
=
w
0
+
∑
i
=
1
p
w
i
y
t
−
i
+
ϵ
t
y_t = w_0 + \sum_{i=1}^p w_i y_{t-i} + \epsilon_t
yt=w0+i=1∑pwiyt−i+ϵt
那么对于多变量情形,
y
∈
R
n
\mathbf{y} \in R^n
y∈Rn,可以很自然地推广:
y
t
=
b
+
∑
i
=
1
p
W
i
y
t
−
i
+
E
t
\mathbf{y}_t = \text{b} + \sum_{i=1}^p W_i \mathbf{y}_{t-i} + \text{E}_t
yt=b+i=1∑pWiyt−i+Et
上式中
W
i
∈
R
n
×
n
,
E
t
,
b
∈
R
n
W_i \in R^{n\times n}, \quad \text{E}_t,b \in R^n
Wi∈Rn×n,Et,b∈Rn.
怎么来计算参数 W i W_i Wi 呢?
转化成优化问题:
min
W
i
,
b
∑
t
∣
∣
y
t
−
b
−
∑
i
=
1
p
W
i
y
t
−
i
∣
∣
2
2
\min_{W_i,b} \quad \sum_t\left|\left|\mathbf{y}_t - \text{b} - \sum_{i=1}^p W_i \mathbf{y}_{t-i}\right|\right|_2^2
Wi,bmint∑∣∣∣∣∣∣∣∣∣∣yt−b−i=1∑pWiyt−i∣∣∣∣∣∣∣∣∣∣22
甚至
min
W
i
,
b
∑
t
∣
∣
y
t
−
[
b
W
1
W
2
⋯
W
p
]
[
1
y
t
−
1
y
t
−
2
⋮
y
t
−
p
]
∣
∣
2
2
\min_{W_i,b} \quad \sum_t\left|\left| \mathbf{y}_t -\left[ \begin{array}{ll} \text{b} & W_1 & W_2 & \cdots & W_p \end{array} \right] \left[ \begin{array}{l} 1\\ \mathbf{y}_{t-1} \\ \mathbf{y}_{t-2}\\ \vdots\\ \mathbf{y}_{t-p} \end{array} \right] \right|\right|_2^2
Wi,bmint∑∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣yt−[bW1W2⋯Wp]⎣⎢⎢⎢⎢⎢⎡1yt−1yt−2⋮yt−p⎦⎥⎥⎥⎥⎥⎤∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣22
这就简单了吧,直接最小二乘法求解即可。