Confidence Interval Construction for Multivariate time series using Long Short Term Memory Network
利用长短期记忆网络构造多元时间序列预测区间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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究多元时间序列的预测及区间构造；指数示例未说明预测对象为收益，故不归入收益预测。
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
利用长短期记忆网络构造多元时间序列预测区间
- 研究问题
- 如何为 LSTM 的多元时间序列预测构造区间，并比较不同区块自助法及其区块长度选择带来的表现差异？
- 方法与思路
- 作者提出若干区块自助法及相应的区块长度选择程序，并设置两类比较基准，在标普 500 与道琼斯指数数据上示范。
- 材料陈述的贡献
- 摘要称提供新的预测区间构造程序、区块长度选择方法及比较基准；未报告覆盖率、区间长度或相对改进的数值。
- 阅读关注点
- 核对原文区分均值预测置信区间与未来观测预测区间的方式，以及重抽样对象、网络重估步骤和区间覆盖评价标准。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未说明依赖条件、区间有效性证明及有限样本覆盖。
原文摘要
In this paper we propose a novel procedure to construct a confidence interval for multivariate time series predictions using long short term memory network. The construction uses a few novel block bootstrap techniques. We also propose an innovative block length selection procedure for each of these schemes. Two novel benchmarks help us to compare the construction of this confidence intervals by different bootstrap techniques. We illustrate the whole construction through S\&P $500$ and Dow Jones Index datasets.