Forecasting with Limited Information: ARIMA Models of the Trailer on Flatcar Transportation Market
有限信息下的预测：铁路平车载拖车运输市场的 ARIMA 模型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：摘要明确研究 ARIMA 时间序列建模、经济活动预测和样本外预测质量。
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
有限信息下的预测：铁路平车载拖车运输市场的 ARIMA 模型
- 研究问题
- 在信息稀缺环境中，ARIMA 时间序列模型能否适当描述运输市场活动并进行预测，如何识别模型误设及评价样本外表现？
- 方法与思路
- 作者界定信息稀缺环境，在特定运输部门实例中估计并评价 ARIMA 模型，比较其他模型，同时关注误设诊断和样本外预测。
- 材料陈述的贡献
- 摘要称 ARIMA 在该实例中能充分刻画经济活动，预测优于所比较的替代模型，并可提供市场效率所需的信息。
- 阅读关注点
- 应核对市场数据与预测期、ARIMA 选阶方法、替代模型和误差指标，以及误设诊断与样本外评价的具体设计。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出比较模型、误差数值或评价期，所称优势不能外推至其他市场。
原文摘要
This paper evaluates the appropriateness of autoregressive integrated moving average (ARIMA) time-series models for forecasting in information-scarce environments. Such environments are defined and a specific transportation sector example examined. It is shown that ARIMA models adequately characterize economic activity in this example. ARIMA model forecasts are seen to dominate alternative models, and to provide information required for market efficiency. Specific attention is focused on a procedure for isolating potential model misspecification and on the need for post-sample forecast quality analysis.