Forecasting with Limited Information: ARIMA Models of the Trailer on Flatcar Transportation Market
信息有限条件下的预测：平车载拖车运输市场的 ARIMA 模型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 ARIMA 时间序列建模与样本外预测比较，直接对应时间序列和预测方向。
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
信息有限条件下的预测：平车载拖车运输市场的 ARIMA 模型
- 研究问题
- 在可用信息稀缺的市场中，ARIMA 模型能否有效刻画经济活动并支持预测？论文以一个运输部门为例讨论这一问题。
- 方法与思路
- 作者界定信息稀缺环境，并在运输市场案例中评估 ARIMA 模型，比较替代预测方法，同时关注模型误设诊断与样本外检验。
- 材料陈述的贡献
- 摘要称，ARIMA 在该案例中能够适当描述经济活动，预测表现优于所比较的替代模型，并可提供市场效率所需的信息。
- 阅读关注点
- 应核对信息稀缺的具体定义、模型选择与误设诊断步骤，以及替代模型、样本外评估方案和市场效率判断的依据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读。摘要未说明数据区间、预测指标和优势幅度，不能将单个运输案例推广至其他市场。
原文摘要
This paper evaluates the appropriateness of autoregressive integrated moving average (ARIMA) time-series models for forecasting in information-scarce environments. Such environments are defined and a specific transportation sector example examined. It is shown that ARIMA models adequately characterize economic activity in this example. ARIMA model forecasts are seen to dominate alternative models, and to provide information required for market efficiency. Specific attention is focused on a procedure for isolating potential model misspecification and on the need for post-sample forecast quality analysis.