Bootstrap-After-Bootstrap Prediction Intervals for Autoregressive Models
自回归模型的自助法后再自助法预测区间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：摘要直接研究自回归时间序列的未来预测区间，并比较不同预测方法对不确定性的评估，对应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
自回归模型的自助法后再自助法预测区间
- 研究问题
- 小样本自回归模型如何构造可靠的预测区间，尤其在单位根或近单位根情形，怎样避免传统区间低估未来不确定性？
- 方法与思路
- 作者将自助法后再自助法用于构造Bonferroni预测区间，并以蒙特卡洛模拟考察平稳、单位根和近单位根自回归过程。
- 材料陈述的贡献
- 摘要称，渐近法和标准自助法的区间常偏窄，尤其在单位根附近；所提方法在几乎全部模拟设定下提供准确且保守的不确定性评估。
- 阅读关注点
- 阅读全文时应核对再自助法的实施步骤、Bonferroni调整方式，以及覆盖率与区间长度如何随样本量、预测步长和单位根程度变化。
- 阅读边界
- 摘要未说明模拟样本量、预测步长、创新分布和具体覆盖率；所述优势限于所考察设定，尚不能判断对其他模型或实际预测是否成立。
原文摘要
The use of the Bonferroni prediction interval based on the bootstrap-after-bootstrap is proposed for autoregressive (AR) models. Monte Carlo simulations are conducted using a number of AR models including stationary, unit-root, and near-unit-root processes. The major finding is that the bootstrap-after-bootstrap provides a superior small-sample alternative to asymptotic and standard bootstrap prediction intervals. The latter are often too narrow, substantially underestimating mating future uncertainty, especially when the model has unit roots or near unit roots. Bootstrap-after-bootstrap prediction intervals are found to provide accurate and conservative assessment of future uncertainty under nearly all circumstances considered.