The ARR2 prior: flexible predictive prior definition for Bayesian auto-regressions
ARR2 先验：贝叶斯自回归模型的灵活预测先验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：摘要直接涉及自回归与状态空间时间序列模型，并比较预测表现。
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…
ARR2 先验：贝叶斯自回归模型的灵活预测先验
- 研究问题
- 如何为贝叶斯自回归模型构造直观而灵活的收缩先验，将自回归成分与其诱导的解释度联系起来，并改善推断和预测？
- 方法与思路
- 作者对自回归成分及其诱导的 R² 定义联合先验，从纯自回归模型出发，扩展至含外生输入的模型和状态空间模型。
- 材料陈述的贡献
- 摘要称，ARR2 在模拟与真实建模练习中改善稀疏、可靠的推断，相比其他收缩先验提升预测表现，并提供开源实现。
- 阅读关注点
- 应核对 R² 与模型参数的映射、超参数的收缩含义、各类模型的先验构造，以及预测比较所用的信息集与评估方案。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未说明先验公式、超参数设置或比较数值，不能判断优势的普遍性。
原文摘要
We present the ARR2 prior, a joint prior over the auto-regressive components in Bayesian time-series models and their induced $R^2$. Compared to other priors designed for times-series models, the ARR2 prior allows for flexible and intuitive shrinkage. We derive the prior for pure auto-regressive models, and extend it to auto-regressive models with exogenous inputs, and state-space models. Through both simulations and real-world modelling exercises, we demonstrate the efficacy of the ARR2 prior in improving sparse and reliable inference, while showing greater inference quality and predictive performance than other shrinkage priors. An open-source implementation of the prior is provided.