PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2407.09632v3stat.ML공식 코드 · Papers with Code

극단값에서의 그레인저 인과성

Granger Causality in Extremes

시계열의 극단적 사건에서 인과 관계를 식별하기 위해 인과 꼬리 계수(causal tail coefficient)를 활용한 그레인저 인과성(Granger causality in extremes) 프레임워크를 제안하며, 고전적 그레인저 인과성·Sims 인과성·구조적 인과성과의 동치 관계를 수립하고 숨겨진 교란 변수에 대한 강건성을 증명하였다. 모델 비의존적 추론 방법은 비선형·고차원 시계열을 처리하며 기존 최신 방법(PCMCI 등) 대비 성능과 속도 모두에서 우수함을 시뮬레이션 및 금융·수문기상 실제 데이터 적용을 통해 검증하였다.