Variations on two-parameter families of forecasting functions: seasonal/nonseasonal Models, comparison to the exponential smoothing and ARIMA models, and applications to stock market data
双参数预测函数族：季节性模型、平滑与 ARIMA 比较及股市应用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：摘要明确提出季节性和非季节性时间序列预测模型，但未明确股票应用是否以收益预测为目标。
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
双参数预测函数族：季节性模型、平滑与 ARIMA 比较及股市应用
- 研究问题
- 能否通过新的双参数预测函数族同时处理季节性和非季节性序列，并在多领域及股票市场数据上改善预测误差？
- 方法与思路
- 作者提出二十四类双参数预测函数及幂变换概念，构造季节性与非季节性模型，并与 Holt–Winters 和 ARIMA 比较。
- 材料陈述的贡献
- 摘要称方法无需季节序列分解，在所做比较中绝对误差和与实际值更接近的预测次数更优，并应用于四百六十七家公司数据。
- 阅读关注点
- 应核对各函数族与幂变换的定义、参数选择、预测时点划分，以及基准调参、误差汇总和多模型比较的公平性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明股票预测目标、样本外设计或改善数值，不能认定普遍优越。
原文摘要
We introduce twenty four two-parameter families of advanced time series forecasting functions using a new and nonparametric approach. We also introduce the concept of powering and derive nonseasonal and seasonal models with examples in education, sales, finance and economy. We compare the performance of our twenty four models to both Holt--Winters and ARIMA models for both nonseasonal and seasonal times series. We show in particular that our models not only do not require a decomposition of a seasonal time series into trend, seasonal and random components, but leads also to substantially lower sum of absolute error and a higher number of closer forecasts than both Holt--Winters and ARIMA models. Finally, we apply and compare the performance of our twenty four models using five-year stock market data of 467 companies of the S&P500.