फ्रांसिस डाइबोल्ड ने हाल ही में अपने ब्लॉग पर "एमएल और मेट्रिक्स VI: ए के बीच महत्वपूर्ण अंतर एमएल और टीएस इकोनोमेट्रिक्स" पोस्ट किया है। मैं इसका छोटा संस्करण प्रदान कर रहा हूं, इसलिए सारा श्रेय उसी को जाता है। (बोल्ड में जोर मेरा है।)
[S] टैटिशियल मशीन लर्निंग (ML) और टाइम सीरीज़ अर्थमिति (TS) में बहुत कुछ सामान्य है। लेकिन एक दिलचस्प अंतर यह भी है: सशर्त-गैर-साधनहीनता के लचीले nonparametric मॉडलिंग पर ML का जोर TS में एक बड़ी भूमिका नहीं निभाता है। <...>
[टी] यहां सबसे आर्थिक समय श्रृंखला के सहसंयोजक-स्थिर (डी-ट्रेंडेड, डी-सीजनलाइज्ड) गतिकी में महत्वपूर्ण सशर्त-मतलब गैर-मौजूदगी का बहुत कम सबूत है। <...> वास्तव में मैं केवल एक प्रकार की सशर्त-मतलब गैर-विहीनता के बारे में सोच सकता हूं जो आर्थिक समय श्रृंखला के लिए बार-बार महत्वपूर्ण के रूप में उभरा है: हैमिल्टन-शैली मार्कोव-स्विचिंग गतिकी।
[बेशक कमरे में एक गैर-रैखिक हाथी है: एंगल-शैली गार्च-प्रकार की गतिशीलता। वे वित्तीय अर्थमिति में बहुत महत्वपूर्ण हैं, और कभी-कभी स्थूल-अर्थमिति में भी हैं, लेकिन वे सशर्त रूपांतरों के बारे में हैं, न कि सशर्त साधनों के बारे में।]
तो मूल रूप से टीएस में केवल दो महत्वपूर्ण गैर-रेखीय मॉडल हैं, और उनमें से केवल एक सशर्त-माध्य गतिशीलता से बोलता है। और महत्वपूर्ण रूप से, वे दोनों बहुत कसकर पैरामीट्रिक हैं, जो आर्थिक और वित्तीय डेटा की विशेष विशेषताओं के निकट हैं।
इस प्रकार निष्कर्ष यह है:
एमएल अत्यधिक-लचीले गैर-पैरामीट्रिक फैशन में गैर-रैखिक सशर्त-माध्य कार्यों को अनुमानित करने पर जोर देता है। यह टीएस में दोगुना अनावश्यक है: चिंता करने के लिए बस सशर्त-मतलब गैर-रैखिकता नहीं है, और जब कभी-कभार होता है, तो यह आम तौर पर एक अति-विशिष्ट प्रकृति का होता है जो अत्यधिक-विशेष (कसकर-पैरामीट्रिक) फैशन में अनुमानित होता है ।
मैं यहां पूरी मूल पोस्ट पढ़ने की सलाह देता हूं ।