Bootstrap Prediction Inference of Non-linear Autoregressive Models
非线性自回归模型的自助法预测推断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：摘要直接研究非线性自回归时间序列的多步点预测与预测区间，因此选择时间序列与预测方向。
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
非线性自回归模型的自助法预测推断
- 研究问题
- 非线性自回归中，如何构造多步最优点预测与有效预测区间，并修正有限样本下预测区间覆盖率不足的问题？
- 方法与思路
- 作者使用模拟或自助法构造L1、L2损失下的点预测及多步预测区间，并以预测残差替代拟合残差改善有限样本覆盖。
- 材料陈述的贡献
- 摘要称，方法提供最优点预测的构造算法及渐近有效的分位数预测区间，并通过模拟考察预测残差修正的表现。
- 阅读关注点
- 应核对最优预测对应的条件分布与损失、不同预测区间的定义、模型估计误差处理，以及预测残差的生成方式。
- 阅读边界
- 这是arXiv预印本，同行评审或接收未核实；摘要未列出自助法有效性条件，有限样本覆盖改善也未提供数值证据。
原文摘要
The non-linear autoregressive (NLAR) model plays an important role in modeling and predicting time series. One-step ahead prediction is straightforward using the NLAR model, but the multi-step ahead prediction is cumbersome. For instance, iterating the one-step ahead predictor is a convenient strategy for linear autoregressive (LAR) models, but it is suboptimal under NLAR. In this paper, we first propose a simulation and/or bootstrap algorithm to construct optimal point predictors under an $L_1$ or $L_2$ loss criterion. In addition, we construct bootstrap prediction intervals in the multi-step ahead prediction problem; in particular, we develop an asymptotically valid quantile prediction interval as well as a pertinent prediction interval for future values. In order to correct the undercoverage of prediction intervals with finite samples, we further employ predictive -- as opposed to fitted -- residuals in the bootstrap process. Simulation studies are also given to substantiate the finite sample performance of our methods.