Francis Diebold kısa süre önce blogunda "ML and Metrics VI: ML ve TS Ekonometri Arasındaki Önemli Bir Fark" yayınladı. Kısaltılmış bir versiyonunu sunuyorum, bu yüzden tüm kredi ona gidiyor. (Kalın harflerle vurgu benimdir.)
[S] makine öğrenimi (ML) ve zaman serisi ekonometrisinin (TS) birçok ortak noktası vardır. Ancak ilginç bir fark da var: ML'nin koşullu ortalama doğrusalsızlığın esnek parametrik olmayan modellemesine verdiği vurgu TS'de büyük bir rol oynamıyor. <...>
[T] burada, çoğu ekonomik zaman serisinin kovaryans durağan (eğilimsiz, mevsimsellikten arındırılmış) dinamiklerindeki koşullu-ortalama önemsizliğin çok az kanıtı var. <...> Gerçekten de (en azından bazı) ekonomik zaman serileri için defalarca önemli olarak ortaya çıkan koşullu ortalama doğrusalsızlığın sadece bir türünü düşünebilirim: Hamilton tarzı Markov anahtarlama dinamikleri.
[Elbette odada doğrusal olmayan bir fil var: Engle tarzı GARCH tipi dinamikler. Finansal ekonometride ve bazen de makro ekonometride çok önemlidirler, ancak koşullu araçlarla değil koşullu varyanslarla ilgilidirler.]
Dolayısıyla, TS'de temel olarak sadece iki önemli doğrusal olmayan model vardır ve bunlardan sadece biri koşullu ortalama dinamiklerden bahseder. Ve en önemlisi, ikisi de çok sıkı parametrik, ekonomik ve finansal verilerin özel özelliklerine çok yakın.
Sonuç olarak:
ML, lineer olmayan koşullu ortalama fonksiyonların oldukça esnek parametrik olmayan bir şekilde yaklaşmasını vurgular. Bu TS'de iki kat gereksiz görünüyor: Endişelenecek çok fazla koşullu-ortalama doğrusallık yok ve zaman zaman, genellikle yüksek derecede uzmanlaşmış (sıkı parametrik) modaya en yakın olan oldukça uzmanlaşmış bir doğaya sahip. .
Orijinal yazının tamamını burada okumanızı tavsiye ederim .