Forecasting Contemporaneously Aggregated Vector ARMA Processes
同期加总的向量 ARMA 过程预测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：摘要明确研究多元 ARMA 时间序列及经济变量加总后的预测误差比较，因此选择时间序列和预测方向。
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
同期加总的向量 ARMA 过程预测
- 研究问题
- 预测多元时间序列各变量的加权和时，先分项预测再加总与直接预测加总序列孰优，过程已知或需要估计是否改变结论？
- 方法与思路
- 作者在多元 ARMA 过程下比较先分项预测再加总与直接预测加总序列，区分过程已知和由样本估计的情况，并使用多组经济数据考察含义。
- 材料陈述的贡献
- 摘要称，过程已知时，先预测各分量再加总在均方误差准则下更有利；若过程须从样本估计，这一结论不再普遍成立。
- 阅读关注点
- 读全文应核对已知过程结论的条件、两种预测的信息集与预测期限，以及参数估计如何改变误差比较和经济数据中的结果。
- 阅读边界
- 摘要未说明具体条件、估计程序、经济数据或误差差距；估计情形下结论失效，并不意味着直接预测加总序列必然更好。
原文摘要
Given a multiple time series that is generated by a multivariate ARMA process and assuming the objective is to forecast a weighted sum of the individual variables, then under a mean squared error measure of forecasting precision, it is preferable to forecast the disaggregated multiple time series and aggregate the forecasts, rather than forecast the aggregated series directly, if the involved processes are known. This result fails to hold if the processes used for forecasting are estimated from a given set of time series data. The implications of these results for empirical research are investigated using different sets of economic data.