基于模型性能指标变化的因果图修剪方法及其在黄金价格数据中的应用

摘要

提出了一种基于模型性能指标变化的因果图修剪方法，用于非线性时间序列的因果发现.通过使用门限自回归模型对时间序列数据进行建模，并结合因果图修剪技术，评估父节点对模型预测性能的影响，逐步剔除不重要的点，从而简化因果图.实验结果表明，剪枝方法提高了模型的准确率、精确度和F1分数.在均方误差、平均绝对误差以及决定系数下进行剪枝处理，剪枝方法使F1分数显著提升，即使在最保守的R2指标下也从0.34提升至0.43.在MSE指标下则提升至0.70,与其他因果发现方法对比，MSE剪枝方法在准确率、精确度和F1分数上均表现最佳，其中F1分数为0.70.在黄金价格实证分析中，研究发现商品期货持仓百分比等变量的滞后项对黄金价格的因果效应.

关键词

因果发现 / 剪枝 / TAR模型 / 时间序列

基金资助

教育部重点实验室开放课题(KLATASDS2008); 湖州师范学院研究生科研创新项目(2025KYCX51)