A Bayes Procedure for the Identification of Univariate Time Series Models
单变量时间序列模型识别的贝叶斯程序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：摘要明确研究参数时间序列模型选择及 ARMA 阶数确定，因此归入时间序列方向，尚无预测改进的直接证据。
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
单变量时间序列模型识别的贝叶斯程序
- 研究问题
- 研究如何在一般参数时间序列模型之间作出选择，特别是确定 ARMA 阶数，并使选择准则获得贝叶斯解释与一致性保证。
- 方法与思路
- 作者提出一个与贝叶斯决策规则渐近等价的模型识别准则，在一般参数时间序列框架下分析，并讨论 ARMA 定阶特例。
- 材料陈述的贡献
- 摘要称，论文给出模型识别准则的贝叶斯渐近解释，并证明其一致性；ARMA 表示的阶数选择是重点讨论的特殊情形。
- 阅读关注点
- 读全文时应核对候选模型集合、先验与损失函数，以及一致性所需条件，并区分模型选择一致性与预测表现。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；准则公式、先验及候选阶数范围未提供，不能认定其改善有限样本选择或预测。
原文摘要
This paper is concerned with model selection in time series analysis. An identification criterion is presented that is asymptotically equivalent to a Bayes decision rule. The discussion is conducted in the context of a general class of parametric time series models and consideration is given to the special case of order determination in autoregressive moving-average representations. Consistency of the criterion is proved.