Determining a Portfolio of Linear Time Series Models
构建线性时间序列模型的候选集合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：摘要明确研究线性时间序列的阶数与模型规格选择，预测仅被列为候选集合的后续用途。
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
构建线性时间序列模型的候选集合
- 研究问题
- 在线性时间序列模型的阶数选择中，如何保留多个对数据合理的模型规格，而不是仅机械地用选择准则确定一个模型？
- 方法与思路
- 作者利用后验赔率和 Jeffreys 的证据等级比较不同模型规格，建立筛选合理模型集合的实用程序，并通过模拟展示。
- 材料陈述的贡献
- 摘要称提出了构建合理候选模型集合的方法，这些模型可用于后续预测等任务；模拟用于说明程序的实际表现。
- 阅读关注点
- 应核对后验赔率所依赖的先验、证据等级阈值、模型阶数候选范围，以及模型集合形成后如何参与预测或其他任务。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；筛选阈值、模拟数值和预测比较未提供，不能认定模型集合一定改善预测。
原文摘要
The paper applies selection criteria to order determination in linear time series models in a less mechanical fashion than is often found. This is achieved via posterior odds ratios and by applying concepts of grades of evidence advanced by Jeffreys (1961). It is shown how alternative specifications may be compared and this leads to the development of a practical method for determining a portfolio of different models, each of which may be regarded as reasonable for the data and which could be useful in subsequent tasks such as forecasting. To complement the theory, some simulation experiments are reported which illustrate the practical efficacy of the procedure.