A Benchmarking Approach to Forecast Combination
预测组合的基准化方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究预测组合，并以ARIMA及季节ARIMA模型讨论时间序列预测，直接对应预测与时间序列两个细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
预测组合的基准化方法
- 研究问题
- 如何把外推模型对时间序列的预测，与独立来源对同一序列某项特征的预测有效结合，以形成统计模型意义下的最优组合？
- 方法与思路
- 作者建立基于统计模型的预测组合方法，将ARIMA等外推预测与独立来源的特征预测结合，并在季节ARIMA情形下考察理论。
- 材料陈述的贡献
- 摘要称该方法能够结合参与组合的各类预测方法的长处，并给出一般理论、季节ARIMA情形的讨论及一个实证示例。
- 阅读关注点
- 核对最优性的目标与成立条件、外部特征预测如何进入组合，区分来源独立与预测误差独立，并检查实证评价指标。
- 阅读边界
- 摘要未说明外部来源预测的具体特征、最优性所需条件或预测误差改善幅度；所称结合各方法长处，仍需全文证据核对。
原文摘要
This article is concerned with the development of a statistical model-based approach to optimally combine forecasts derived from an extrapolative model, such as an autoregressive integrated moving average (ARIMA) time series model, with forecasts of a particular characteristic of the same series obtained from independent sources. The methods derived combine the strengths of all forecasting approaches considered in the combinational scheme. The implications of the general theory are investigated in the context of some commonly encountered seasonal ARIMA models. An empirical example to illustrate the method is included.