Graphical continuous Lyapunov models offer a new perspective on modeling causally interpretable dependence structure in multivariate data by treating each independent observation as a one-time cross-sectional snapshot of a multivariate Ornstein-Uhlenbeck process in equilibrium. We study the question of parameter identifiability. Then, we investigate a l1-regularized estimation procedure and derive a consistency result. Lastly, we show that recent advances in Mixed Integer Programming and their application to Lyapunov models can offer advantages over the l1-regularized methods when estimating the drift matrix and the volatility matrix of the process.     «

Graphical continuous Lyapunov models offer a new perspective on modeling causally interpretable dependence structure in multivariate data by treating each independent observation as a one-time cross-sectional snapshot of a multivariate Ornstein-Uhlenbeck process in equilibrium. We study the question of parameter identifiability. Then, we investigate a l1-regularized estimation procedure and derive a consistency result. Lastly, we show that recent advances in Mixed Integer Programming and their a...     »

Grafische stetige Lyapunov-Modelle bieten eine neue Perspektive für die Modellierung kausal interpretierbarer Abhängigkeitsstrukturen in multivariaten Daten, indem sie jede unabhängige Beobachtung als einmaligen Schnappschuss eines Ornstein-Uhlenbeck Prozesses im Gleichgewichtszustand behandeln. Zunächst beschäftigen wir uns mit Parameter Identifizierbarkeit. Anschließend untersuchen wir l1-regularisierte Schätzmethoden und leiten ein Konsistenzresultat her. Im letzten Abschnitt nutzen wir Fortschritte im Bereich des Mixed Integer Programming im Kontext von Lyapunov Modellen. Wir zeigen auf, dass diese Schätzmethoden im Vergleich zu l1-regularisierten Methoden Vorteile bieten können.     «

Grafische stetige Lyapunov-Modelle bieten eine neue Perspektive für die Modellierung kausal interpretierbarer Abhängigkeitsstrukturen in multivariaten Daten, indem sie jede unabhängige Beobachtung als einmaligen Schnappschuss eines Ornstein-Uhlenbeck Prozesses im Gleichgewichtszustand behandeln. Zunächst beschäftigen wir uns mit Parameter Identifizierbarkeit. Anschließend untersuchen wir l1-regularisierte Schätzmethoden und leiten ein Konsistenzresultat her. Im letzten Abschnitt nutzen wir Forts...     »