矩阵时间序列的模态加性因子模型
Research Paper#Time Series Analysis, Matrix Factorization, Machine Learning🔬 Research|分析: 2026年1月3日 06:13•
发布: 2025年12月31日 18:24
•1分で読める
•ArXiv分析
本文介绍了一种新的矩阵值时间序列的模态加性因子模型 (MAFM)，与 Tucker 和 CP 等现有的乘法因子模型相比，它提供了更灵活的方法。关键创新在于其加性结构，允许对行特定和列特定的潜在效应进行单独建模。本文的贡献在于它提供了一种计算效率高的估计程序（MINE 和 COMPAS）和一个数据驱动的推理框架，包括收敛速度、渐近分布和一致的协方差估计器。为依赖矩阵时间序列的二次形式开发矩阵 Bernstein 不等式是一项有价值的技术贡献。本文侧重于矩阵时间序列分析，这与金融、信号处理和推荐系统等各个领域相关。