Adaptively combined forecasting for discrete response time series
离散响应时间序列的自适应组合预测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。
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：摘要直接研究离散响应时间序列的组合预测与风险适应性，支持时间序列和预测方向分类。
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
离散响应时间序列的自适应组合预测
- 研究问题
- 对离散响应时间序列，如何组合多个预测方法以适应其风险表现，并在先筛选模型时维持这种适应性？
- 方法与思路
- 作者提出自适应组合预测方法，分析平方风险及其他风险函数下的适应性，并研究模型筛选对结论的影响。
- 材料陈述的贡献
- 摘要称在温和条件下证明所提预测的风险适应性，且模拟与两个实际数据案例显示该方法具有应用潜力。
- 阅读关注点
- 应核对组合权重如何更新、适应性的参照对象与风险界，以及模型筛选规则和实际预测评估方式。
- 阅读边界
- 仅据所给出版社摘要，所谓温和条件及风险界形式未说明；实际案例的预测提升幅度与可推广范围无法判断。
原文摘要
Adaptive combining is generally a desirable approach for forecasting, which, however, has rarely been explored for discrete response time series. In this paper, we propose an adaptively combined forecasting method for such discrete response data. We demonstrate in theory that the proposed forecast is of the desired adaptation with respect to the widely used squared risk and other significant risk functions under mild conditions. Furthermore, we study the issue of adaptation for the proposed forecasting method in the presence of model screening that is often useful in applications. Our simulation study and two real-world data examples show promise for the proposed approach.