Model selection for multiperiod forecasts
面向多期预测的模型选择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：摘要明确以时间序列的联合多期预测为模型选择目标，并讨论自回归与差分阶数。
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
面向多期预测的模型选择
- 研究问题
- 对于时间序列，如何依据联合多期预测选择模型，并在高阶自回归或差分阶数不确定时改善模型选择表现？
- 方法与思路
- 作者将常用选择准则应用于适当的多元回归模型，构造面向联合多期预测的新准则，并用蒙特卡洛与实际数据评估。
- 材料陈述的贡献
- 摘要称新程序在模拟中比对应常规程序更有效率，高阶自回归设定尤为明显；实际数据分析也支持其适用性。
- 阅读关注点
- 应核对联合预测目标、回归模型与原时间序列的对应、所修改的选择准则，以及效率评价和差分阶数处理方式。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要，无法判断效率指标、模拟参数和实证样本，也不能推断任意预测期均有改善。
原文摘要
Model selection for time series data based upon joint multiperiod forecasts is investigated. Some popular selection criteria are applied to a suitable multivariate regression model to create new selection criteria. Monte Carlo experiments show that the proposed selection procedure performs more efficiently than the corresponding regular procedure, particularly when the data are generated from a high order autoregressive model. Analysis of some real data supports the applicability of the proposed procedure, especially when the degree of differencing required is uncertain.