Parametric or nonparametric: the FIC approach for stationary time series
参数还是非参数：平稳时间序列的聚焦信息准则方法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：摘要明确研究平稳时间序列模型选择及滞后协方差、相关系数，直接对应时间序列方向。
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…
参数还是非参数：平稳时间序列的聚焦信息准则方法
- 研究问题
- 针对平稳时间序列中预先选定的目标参数，如何在参数模型与非参数方法之间选择，以改善该目标的估计表现？
- 方法与思路
- 作者扩展聚焦信息准则 FIC，以目标参数估计量的均方误差比较模型，并用加权平均版本 AFIC 处理多个目标。
- 材料陈述的贡献
- 摘要称，新准则可直接比较参数与非参数时间序列方法，并给出指定滞后协方差、相关系数及阈值概率等目标的公式。
- 阅读关注点
- 应核对均方误差近似及其估计方法、平稳性之外的依赖条件，以及多目标权重如何影响 AFIC 的模型选择。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未提供准则成立条件或比较数值，选择结果取决于所指定目标。
原文摘要
We seek to narrow the gap between parametric and nonparametric modelling of stationary time series processes. The approach is inspired by recent advances in focused inference and model selection techniques. The paper generalises and extends recent work by developing a new version of the focused information criterion (FIC), directly comparing the performance of parametric time series models with a nonparametric alternative. For a pre-specified focused parameter, for which scrutiny is considered valuable, this is achieved by comparing the mean squared error of the model-based estimators of this quantity. In particular, this yields FIC formulae for covariances or correlations at specified lags, for the probability of reaching a threshold, etc. Suitable weighted average versions, the AFIC, also lead to model selection strategies for finding the best model for the purpose of estimating e.g.~a sequence of correlations.