Dynamic factor and double PCA models for partially observed survival curves: Forecasting demand in short-term rental markets
部分观测生存曲线的动态因子与双重 PCA 模型：短租需求预测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。
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：摘要采用动态因子与 PCA 方法预测市场层面的曲线轨迹，直接对应因子模型和预测方法。
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…
部分观测生存曲线的动态因子与双重 PCA 模型：短租需求预测
- 研究问题
- 不同人群混合形成的总体生存曲线仅被部分观测时，如何预测其剩余轨迹，并服务于短租市场入住需求决策？
- 方法与思路
- 作者将人群异质性转化为多变量抽样模型，提出完整因子分析和双重 PCA，以积分平方距离比较多期限预测。
- 材料陈述的贡献
- 摘要称在覆盖五百个市场的入住曲线数据上，两类模型预测准确稳定，通常优于 Holt 趋势法，长预测期尤其明显。
- 阅读关注点
- 应核对入住路径与生存曲线的对应、部分观测信息如何进入因子估计，以及市场划分、样本外设计和期限比较。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未报告误差数值，需求预测改善也不能直接证明定价收益增加。
原文摘要
This paper develops prediction models for population-level survival curves observed over time and sampled from a heterogeneous mix of populations. We consider a discrete-time setting where each curve is only partially observed and forecasts of the remaining trajectory are needed for downstream decision making. Our approach recasts cross-population heterogeneity into a multivariate sampling model. We propose two forecasting models for partially observed curves: a full factor analysis model that extends a general factor representation to incorporate the partially observed survival curve, and a double PCA model. The methodology is motivated by demand forecasting in short-term rental markets, where market-level occupancy paths can be viewed as survival curves over the booking horizon and where forecasts of future occupancy feed into dynamic pricing algorithms. We apply the models to the newly released Wheelhouse dataset, which contains time series of market occupancy curves for 500 markets from 2017 to 2022. Model performance is assessed using the integrated quadratic distance, and we compare the proposed PCA-based methods to Holt's linear trend model across multiple forecast horizons. The results show that the proposed models yield accurate and stable forecasts of the remaining survival trajectory and generally outperform Holt's method, particularly at longer horizons.