基于spike-and-slab先验的贝叶斯时间序列模型

作者：郭晨蕾; 李东喜^*

来源：计算机科学, 2023, 50(S2): 656-661.

• 时间序列预测
• spike-and-slab先验
• 贝叶斯方法
• 偏自相关系数
• 变量选择

贝叶斯方法通过引入先验信息并结合似然的方法进行参数估计和变量选择，使模型估计和预测结果更为精确。在贝叶斯框架下考虑时间序列之间的相关性，将偏自相关系数融合先验信息，提出基于spike-and-slab先验的贝叶斯层次时间序列模型（Spike-and-slab Prior with Partial Autocorrelation Coefficients,SS-PAC）。SS-PAC模型采用spike-and-slab先验并结合偏自相关系数，实现时间序列滞后阶数的选择、参数估计和预测。基于模拟数据和真实数据的实证研究表明，该模型相较于以往模型在变量选择和预测结果上表现更优。

• 单位
  太原理工大学; 数学学院