Fast same-step forecast in SUTSE model and its theoretical properties
SUTSE 模型的快速同期预测及理论性质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：摘要直接研究多元时间序列模型的滤波、预测程序与计算效率。
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
SUTSE 模型的快速同期预测及理论性质
- 研究问题
- 似不相关时间序列方程模型需要处理相关误差，在高维数据下矩阵运算成本较大；如何降低预测计算负担并保留误差信息？
- 方法与思路
- 作者采用两阶段程序：先暂按误差不相关对各序列分别进行 Kalman 滤波，再利用预测误差的分布计算预测值。
- 材料陈述的贡献
- 摘要称该算法避免大规模矩阵计算，速度快于常规 SUTSE，并给出部分理论性质、Monte Carlo 评估及公交拥堵应用。
- 阅读关注点
- 应核对第二阶段如何利用跨序列误差相关性、同期预测的信息集，以及理论性质、预测精度和计算时间比较的具体条件。
- 阅读边界
- 所据为 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明具体理论结论或加速幅度，也不能据此认为预测精度始终不受损。
原文摘要
We consider the problem of forecasting multivariate time series by a Seemingly Unrelated Time Series Equations (SUTSE) model. The SUTSE model usually assumes that error variables are correlated. A crucial issue is that the model estimation requires heavy computational loads because of a large matrix computation, especially for high-dimensional data. To alleviate the computational issue, we propose a two-stage procedure for forecasting. First, we perform the Kalman filter as if error variables are uncorrelated; that is, univariate time-series analyses are conducted separately to avoid a large matrix computation. Next, the forecast value is computed by using a distribution of forecast error. The proposed algorithm is much faster than the ordinary SUTSE model because we do not require a large matrix computation. Some theoretical properties of our proposed estimator are presented. Monte Carlo simulation is performed to investigate the effectiveness of our proposed method. The usefulness of our proposed procedure is illustrated through a bus congestion data application.