Random Walk Forecasts of Stationary Processes Have Low Bias
随机游走预测平稳过程的样本平均误差较小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：摘要直接比较平稳时间序列的水平预测与过度差分预测，并分析样本平均预测误差。
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
随机游走预测平稳过程的样本平均误差较小
- 研究问题
- 对于平稳标量时间序列，为什么误设为过度差分模型的水平预测，其样本平均预测误差可能比正确水平模型更小？
- 方法与思路
- 作者将偏差定义为预测误差的样本均值，比较过度差分 ARMA 与正确水平模型的偏差方差阶，并以无漂移随机游走验证。
- 材料陈述的贡献
- 摘要称，两类偏差方差分别为 O(P⁻²) 与一般的 O(P⁻¹)；模拟和应用中，随机游走偏差通常为水平模型的一成至五成。
- 阅读关注点
- 应核对预测期数 P 的渐近设定、预测步长与模型估计方式，并区分样本平均误差较小和整体预测损失较低。
- 阅读边界
- 所给 OpenAlex 摘要仅报告偏差指标的理论与应用结果，不能据此认定随机游走总体预测更准；具体条件及刊本变化未说明。
原文摘要
We study the use of a misspecified overdifferenced model to forecast the level of a stationary scalar time series. Let xt be the series, and let bias be the sample average of a series of forecast errors. Then, the bias of forecasts of xt generated by a misspecified overdifferenced ARMA model for Δxt will tend to be smaller in magnitude than the bias of forecasts of xt generated by a correctly specified model for xt. Formally, let P be the number of forecasts. The bias from the model for Δxt has a variance that is O(1/P2), while the variance of the bias from the model for xt generally is O(1/P). With a driftless random walk as our baseline overdifferenced model, we confirm this theoretical result with simulations and empirical work: random walk bias is generally one-tenth to one-half that of an appropriately specified model fit to levels.