Biarchetype analysis for univariate functional data. An application to macroeconomic financial time series
单变量函数型数据的双原型分析：宏观金融时间序列应用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：摘要明确分析多个国家的国债收益率时间轨迹；阶段解释支持时间序列分类，但不足以确认正式结构突变检验。
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…
单变量函数型数据的双原型分析：宏观金融时间序列应用
- 研究问题
- 如何同时提取函数型数据中跨个体与跨时间的代表性极端模式，以便简洁解释多个国家的长期债券收益率轨迹？
- 方法与思路
- 作者扩展原型分析，在个体和时间两个维度同时识别双原型，将国家与时间点都表示为双原型的混合。
- 材料陈述的贡献
- 摘要称方法提供可解释的函数型表示；欧洲十年期国债收益率应用识别三个时间阶段及德国、希腊、匈牙利原型。
- 阅读关注点
- 应核对双原型的优化目标、数量选择、解的稳定性与混合表示，并检查时间阶段划分是否随设定变化而改变。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出可解释性比较指标，也未说明阶段识别的统计不确定性。
原文摘要
We introduce biarchetype analysis for the first time in the context of univariate functional data. This unsupervised methodology extends archetype analysis by simultaneously identifying archetypal structures across both the cases (countries, in our application) and the temporal argument. Both cases and time points are expressed as mixtures of biarchetypes, yielding a concise and highly interpretable representation of complex functional observations. Although biarchetype analysis is not intended as a clustering technique, it offers superior interpretability compared with biclustering approaches, as it is based on extreme, representative patterns rather than average centroids, thereby enhancing human comprehension. We apply the proposed method to 10-year government bond yields of European countries over the period 2001-2025. The results identify three distinct time regimes (the pre-crisis period, the euro-area sovereign debt crisis, and the post-crisis period), and reveal Germany, Greece, and Hungary as country archetypes.