An Autoregressive Model for Time Series of Random Objects
随机对象时间序列的自回归模型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。
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：摘要明确研究随机对象的自回归时间序列、序列相关检验，并应用于通胀预期时间序列。
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
随机对象时间序列的自回归模型
- 研究问题
- 当等间隔观测的时间序列取值于缺乏线性结构的度量空间时，如何建立自回归模型、估计关键参数并检验序列相关？
- 方法与思路
- 作者将经典线性自回归适配至 Hadamard 空间，估计 Fréchet 均值与集中参数，并构造序列相关检验及置换临界值。
- 材料陈述的贡献
- 摘要称证明了参数估计的一致性和检验统计量的渐近正态性，并以模拟考察收敛、检验尺寸与功效，应用于消费者通胀预期。
- 阅读关注点
- 应核对空间几何如何进入自回归定义、参数一致性和检验极限的条件，以及置换程序在时间依赖下获得有效临界值的依据。
- 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；摘要未列出依赖与正则条件，也未报告检验的具体数值表现。
原文摘要
Random variables in metric spaces indexed by time and observed at equally spaced time points are receiving increased attention due to their broad applicability. The absence of inherent structure in metric spaces has resulted in a literature that is predominantly non-parametric and model-free. To address this gap in models for time series of random objects, we introduce an adaptation of the classical linear autoregressive model tailored for data lying in a Hadamard space. The parameters of interest in this model are the Fréchet mean and a concentration parameter, both of which we prove can be consistently estimated from data. Additionally, we propose a test statistic for the hypothesis of absence of serial correlation and establish its asymptotic normality. Finally, we use a permutation-based procedure to obtain critical values for the test statistic under the null hypothesis. Theoretical results of our method, including the convergence of the estimators as well as the size and power of the test, are illustrated through simulations, and the utility of the model is demonstrated by an analysis of a time series of consumer inflation expectations.