Forecasting high-dimensional functional time series: Application to sub-national age-specific mortality
高维函数型时间序列预测：地区年龄别死亡率应用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：摘要明确研究具有横截面相关和时间依赖的函数型时间序列及其点预测、区间预测。
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…
高维函数型时间序列预测：地区年龄别死亡率应用
- 研究问题
- 面对同时存在横截面相关和时间依赖的多群体函数型时间序列，如何预测不同地区的年龄与性别死亡率曲线？
- 方法与思路
- 作者通过双向函数型方差分析分离确定性与动态残差部分，再以函数主成分方法预测残差并组合得到预测曲线。
- 材料陈述的贡献
- 摘要称方法用于美国、法国和日本的地区死亡率，在所比较基准中提供了更准确的多群体点预测与区间预测。
- 阅读关注点
- 应核对分解的可识别性、残差预测模型、区间构造，以及预测期长、训练窗口和基准评价指标是否一致。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获核实；摘要未说明误差改善数值、区间覆盖或不同预测期表现。
原文摘要
We study the modeling and forecasting of high-dimensional functional time series (HDFTS), which can be cross-sectionally correlated and temporally dependent. We introduce a decomposition of the HDFTS into two distinct components: a deterministic component and a residual component that varies over time. The decomposition is derived through the estimation of two-way functional analysis of variance. A functional time series forecasting method, based on functional principal component analysis, is implemented to produce forecasts for the residual component. By combining the forecasts of the residual component with the deterministic component, we obtain forecast curves for multiple populations. We apply the model to age- and sex-specific mortality rates in the United States, France, and Japan, in which there are 51 states, 95 departments, and 47 prefectures, respectively. The proposed method is capable of delivering more accurate point and interval forecasts in forecasting multi-population mortality than several benchmark methods considered.