Bayesian Inference and Prediction for Mean and Variance Shifts in Autoregressive Time Series
自回归时间序列均值与方差变化的贝叶斯推断及预测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：摘要明确研究自回归时间序列、均值与方差变化，以及变化发生时点的预测。
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
自回归时间序列均值与方差变化的贝叶斯推断及预测
- 研究问题
- 如何在自回归时间序列中推断随机发生的均值和方差变化，并利用解释变量预测下一次变化可能何时出现？
- 方法与思路
- 作者将随机均值变化模型扩展至随机方差变化，并附加probit模型刻画给定解释变量下的变化发生概率，使用Gibbs采样计算。
- 材料陈述的贡献
- 摘要明确提出对方差变化的扩展和变化发生概率的预测方法，并以若干例子展示分析；未报告预测准确度或比较优势。
- 阅读关注点
- 应核对变化过程与自回归动态的联合设定、解释变量的选取、先验和采样步骤，以及变化概率预测的样本外检验。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明，不能推断刊本变化；摘要未说明变化机制的具体条件、案例内容或预测表现。
原文摘要
This article is concerned with statistical inference and prediction of mean and variance changes in an autoregressive time series. We first extend the analysis of random mean-shift models to random variance-shift models. We then consider a method for predicting when a shift is about to occur. This involves appending to the autoregressive model a probit model for the probability that a shift occurs given a chosen set of explanatory variables. The basic computational tool we use in the proposed analysis is the Gibbs sampler. For illustration, we apply the analysis to several examples.