跳到正文
← 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:摘要明确利用时间序列历史预测误差,为后续经济预测构造经验区间。

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
W. H. Williams
M. L. Goodman

构造经济预测经验置信限的简便方法

研究问题
当时间序列生成机制难以充分识别,或标准方法难以给出预测区间时,能否利用历史预测误差构造后续预测的经验区间?
方法与思路
作者沿时间序列各时点生成预测,将预测与已知实际观测比较以形成经验误差分布,再用该分布确定后续预测区间。
材料陈述的贡献
摘要提出一种简单的经验预测区间构造方法,并称其在生成机制识别不足或标准区间难以获得时可能尤其有用。
阅读关注点
阅读时应核对历史预测是否仅使用当时可用信息、预测期限如何匹配,以及误差分布跨时期适用的条件和区间覆盖率。
阅读边界
仅据 OpenAlex 索引摘要,稿件版本未注明;摘要未说明误差稳定性、相关性处理或覆盖保证,不能将经验区间视为已校准。

原文摘要

A simple method for the construction of empirical confidence intervals for time series forecasts is described. The procedure is to go through the series making a forecast from each point in time. The comparison of these forecasts with the known actual observations will yield an empirical distribution of forecasting errors. This distribution can then be used to set confidence intervals for subsequent forecasts. The technique appears to be particularly useful when the mechanism generating the series cannot be fully identified from the available data or when limits based on more standard considerations are difficult to obtain.

笔记与分组
相关领域论文