Buchumschlag

Double Machine Learning for Time Series

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ciganovic, Milos, D'Amario, Federico, Tancioni, Massimiliano
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Econometrics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Disentangling the Distributional Effects of Financial Shocks in the Euro Area
von: Ciganović, Miloš, et al.
Veröffentlicht: (2025)

Sparse Interval-valued Time Series Modeling with Machine Learning
von: Bao, Haowen, et al.
Veröffentlicht: (2024)

Machine Learning the Macroeconomic Effects of Financial Shocks
von: Hauzenberger, Niko, et al.
Veröffentlicht: (2024)

Bayesian Double Machine Learning for Causal Inference
von: DiTraglia, Francis J., et al.
Veröffentlicht: (2025)

The Persistent Effects of Peru's Mining MITA: Double Machine Learning Approach
von: Karakas, Alper Deniz
Veröffentlicht: (2025)

Evaluating Program Sequences with Double Machine Learning: An Application to Labor Market Policies
von: Muny, Fabian
Veröffentlicht: (2025)

Model Averaging and Double Machine Learning
von: Ahrens, Achim, et al.
Veröffentlicht: (2024)

Model Averaging and Double Machine Learning
von: Achim Ahrens, et al.
Veröffentlicht: (2025)

Difference-in-Differences with Time-varying Continuous Treatments using Double/Debiased Machine Learning
von: Haddad, Michel F. C., et al.
Veröffentlicht: (2024)

Neighborhood Stability in Double/Debiased Machine Learning with Dependent Data
von: Cao, Jianfei, et al.
Veröffentlicht: (2025)

An Introduction to Double/Debiased Machine Learning
von: Ahrens, Achim, et al.
Veröffentlicht: (2025)

Time Series Embedding and Combination of Forecasts: A Reinforcement Learning Approach
von: Medeiros, Marcelo C., et al.
Veröffentlicht: (2025)

Double Machine Learning for Static Panel Models with Fixed Effects
von: Clarke, Paul S., et al.
Veröffentlicht: (2023)

Double Machine Learning for Causal Inference under Shared-State Interference
von: Hays, Chris, et al.
Veröffentlicht: (2025)

DoubleML -- An Object-Oriented Implementation of Double Machine Learning in R
von: Bach, Philipp, et al.
Veröffentlicht: (2021)

Hyperparameter Tuning for Causal Inference with Double Machine Learning: A Simulation Study
von: Bach, Philipp, et al.
Veröffentlicht: (2024)

Policy Choice in Time Series by Empirical Welfare Maximization
von: Kitagawa, Toru, et al.
Veröffentlicht: (2022)

Dynamic Local Average Treatment Effects in Time Series
von: Casini, Alessandro, et al.
Veröffentlicht: (2025)

SPORTSCausal: Spill-Over Time Series Causal Inference
von: Liu, Carol
Veröffentlicht: (2024)

The Cointegrated Matrix Autoregressive Model
von: Lopetuso, Emanuele, et al.
Veröffentlicht: (2026)

Impulse Response Analysis of Structural Nonlinear Time Series Models
von: Ballarin, Giovanni
Veröffentlicht: (2023)

On Robust Inference in Time Series Regression
von: Baillie, Richard T., et al.
Veröffentlicht: (2022)

Change-Point Detection in Time Series Using Mixed Integer Programming
von: Prokhorov, Artem, et al.
Veröffentlicht: (2024)

Testing and Estimating Structural Breaks in Time Series and Panel Data in Stata
von: Ditzen, Jan, et al.
Veröffentlicht: (2021)

Estimating Causal Effects with Double Machine Learning -- A Method Evaluation
von: Fuhr, Jonathan, et al.
Veröffentlicht: (2024)

Double/Debiased Machine Learning for Treatment and Causal Parameters
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2016)

High-Dimensional Matrix-Variate Diffusion Index Models for Time Series Forecasting
von: Ma, Zhiren, et al.
Veröffentlicht: (2025)

Prejudiced Futures? Algorithmic Bias in Time Series Forecasting and Its Ethical Implications
von: Alexander, Bagattini, et al.
Veröffentlicht: (2025)

A Supervised Screening and Regularized Factor-Based Method for Time Series Forecasting
von: Tu, Sihan, et al.
Veröffentlicht: (2025)

Bayesian Dynamic Factor Models for High-dimensional Matrix-valued Time Series
von: Zhang, Wei
Veröffentlicht: (2024)

Approximate Factor Models for Functional Time Series
von: Otto, Sven, et al.
Veröffentlicht: (2022)

Comprehensive Causal Machine Learning
von: Lechner, Michael, et al.
Veröffentlicht: (2024)

Double Machine Learning meets Panel Data -- Promises, Pitfalls, and Potential Solutions
von: Fuhr, Jonathan, et al.
Veröffentlicht: (2024)

Coarsened Bayesian VARs -- Correcting BVARs for Incorrect Specification
von: Huber, Florian, et al.
Veröffentlicht: (2023)

Firm Heterogeneity and Macroeconomic Fluctuations: a Functional VAR model
von: Marcellino, Massimiliano, et al.
Veröffentlicht: (2024)

Nowcasting distributions: a functional MIDAS model
von: Marcellino, Massimiliano, et al.
Veröffentlicht: (2024)

Likelihood-Based Ergodicity Transformations in Time Series Analysis
von: Britto, Anthony
Veröffentlicht: (2026)

Change-Point Testing for Risk Measures in Time Series
von: Fan, Lin, et al.
Veröffentlicht: (2018)

Forecasting Related Time Series
von: Ulrich K. Müller, et al.
Veröffentlicht: (2026)

Debiased Machine Learning U-statistics
von: Escanciano, Juan Carlos, et al.
Veröffentlicht: (2022)