🔆 وقتی یک مدل اقتصادسنجی چند ساعت زمان می‌برد (یک تجربه شخصی)

در پروژه‌های اقتصادسنجی مالی، همیشه چالش اصلی انتخاب مدل نیست؛ گاهی خودِ برآورد مدل تبدیل به یک مسئله می‌شود.

در یکی از تحلیل‌های اخیرم با یک مدل چندمتغیره BEKK-GARCH کار می‌کردم. این مدل به دلیل تعداد زیاد پارامترها، ساختار غیرخطی و استفاده از الگوریتم‌های بهینه‌سازی، زمان محاسباتی بالایی دارد.

در مرحله اول، هر بار اجرای مدل زمان زیادی می‌گرفت و برای بررسی پایداری نتایج یا محاسبه خطاهای استاندارد، عملاً باید ساعت‌ها منتظر می‌ماندم.

برای حل این مشکل چند کار انجام دادم:

▫️ اول، به جای اینکه هر بار بهینه‌سازی را از نقطه شروع اولیه اجرا کنم، از جواب به‌دست‌آمده قبلی به عنوان نقطه شروع استفاده کردم. این کار باعث شد الگوریتم سریع‌تر به ناحیه بهینه نزدیک شود.

▫️ دوم، برای محاسبه خطای استاندارد به جای تکیه بر Hessian عددی که در مدل‌های پیچیده می‌تواند بسیار کند باشد، از بوت‌استرپ بلوکی استفاده کردم. این روش علاوه بر سازگاری بهتر با ماهیت سری‌های زمانی مالی، از نظر محاسباتی هم کارآمدتر بود.

▫️ سوم، در مرحله توسعه مدل تعداد تکرارهای بوت‌استرپ را کمتر در نظر گرفتم تا بتوانم سریع‌تر کد و نتایج را بررسی کنم و بعد از اطمینان از صحت مدل، تعداد تکرارها را برای گزارش نهایی افزایش خواهم داد.

یکی از چیزهایی که در کار با داده‌های واقعی یاد می‌گیریم این است که گاهی بهبود یک تحلیل فقط با تغییر مدل اتفاق نمی‌افتد؛ بلکه با طراحی بهتر فرآیند محاسباتی می‌توانیم زمان اجرا را به شکل قابل توجهی کاهش دهیم.

اقتصادسنجی کاربردی یعنی ترکیب دانش آماری، برنامه‌نویسی و حل مسئله‌های واقعی.

#تجربه_شخصی

🌐 https://t.me/ecohadico