Asymptotic Properties of Prediction Errors for the Multivariate Autoregressive Model Using Estimated Parameters
使用估计参数的多元自回归模型预测误差之渐近性质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：摘要同时明确多元自回归的数据结构与多步预测误差分析，因此归入时间序列和预测方向，而不推断结构冲击内容。
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
使用估计参数的多元自回归模型预测误差之渐近性质
- 研究问题
- 多元自回归模型使用估计系数而非已知参数预测时，任意预测步长的预测误差具有怎样的渐近协方差结构？
- 方法与思路
- 作者研究参数估计进入预测后的误差渐近性质，推导使用估计系数时、不同预测步长对应的预测误差渐近协方差矩阵。
- 材料陈述的贡献
- 摘要明确给出任意预测步长下预测误差渐近协方差的公式推导，研究将估计参数的影响纳入预测误差分析这一问题。
- 阅读关注点
- 应核对系数估计方法、过程与创新项条件，以及协方差公式如何体现参数估计，并辨别任意步长是否指固定步长渐近。
- 阅读边界
- 仅据所给Crossref摘要，无法判断协方差公式、完整渐近条件或有限样本预测区间表现，也不能推断结构冲击解释。
原文摘要
Summary In this paper we consider the asymptotic properties of the prediction errors for the multivariate autoregressive model when estimated coefficient parameters are used. Formulae for the asymptotic covariance matrix of the prediction errors for arbitrary lead times using estimated parameters are derived.