先来回忆一下单变量 ppp 阶自回归模型 AR(p)AR(p)AR(p):
yt=w0+∑i=1pwiyt−i+ϵty_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∈Rn\mathbf{y} \in R^ny∈Rn,可以很自然地推广:
yt=b+∑i=1pWiyt−i+Et\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 Wi∈Rn×n,Et,b∈RnW_i \in R^{n\times n}, \quad \text{E}_t,b \in R^nWi∈Rn×n,Et,b∈Rn.
怎么来计算参数 WiW_iWi 呢?
转化成优化问题:
minWi,b∑t∣∣yt−b−∑i=1pWiyt−i∣∣22\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
minWi,b∑t∣∣yt−[bW1W2⋯Wp][1yt−1yt−2⋮yt−p]∣∣22\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。