Functional-Coefficient Autoregressive Models
函数系数自回归模型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：摘要明确提出非线性自回归模型，并以样本外多步预测作为应用与比较目标。
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
函数系数自回归模型
- 研究问题
- 如何构建能够描述非线性动态关系的自回归模型，并结合参数与非参数方法改善样本外多步预测？
- 方法与思路
- 作者提出函数系数自回归模型，研究模型性质，设计融合参数和非参数思想的建模程序，并用多个数据集演示。
- 材料陈述的贡献
- 摘要称，给出支持建模程序的一致性结果，且示例中的样本外多步预测相较其他模型有明显改善。
- 阅读关注点
- 应核对系数函数依赖哪些状态变量、模型选择与平滑方式、一致性所需条件，以及样本外预测的划分和比较基准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未列出具体数据、预测损失或改善幅度，不能将示例结果理解为普遍预测优势。
原文摘要
In this article we propose a new class of models for nonlinear time series analysis, investigate properties of the proposed model, and suggest a modeling procedure for building such a model. The proposed modeling procedure makes use of ideas from both parametric and nonparametric statistics. A consistency result is given to support the procedure. For illustration we apply the proposed model and procedure to several data sets and show that the resulting models substantially improve postsample multi-step ahead forecasts over other models.