Covariate-informed reconstruction of partially observed functional data via factor models
利用协变量与因子模型重建部分观测的函数型数据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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究一般函数型数据重建并应用于温度曲线，虽使用因子模型，但未提供宏观或金融因子研究的依据。
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
利用协变量与因子模型重建部分观测的函数型数据
- 研究问题
- 对于在离散网格上记录、部分区段缺失且含噪声的函数型数据，如何利用协变量重建缺失轨迹并量化预测不确定性？
- 方法与思路
- 作者使用秩随样本增加的近似因子模型纳入协变量，在同一过程中分离信号与噪声、重建缺失片段，并构造同时预测带。
- 材料陈述的贡献
- 摘要称建立估计量的一致收敛速率，提出缺失轨迹的同时预测带方法，并用有限样本模拟和温度曲线应用展示方法表现。
- 阅读关注点
- 应核对缺失片段与观测网格的条件、因子秩增长和协变量的作用，以及同时预测带的覆盖对象、构造方式和有效性条件。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未给出收敛速率表达式、缺失机制或预测带覆盖结果。
原文摘要
This paper studies linear reconstruction of partially observed functional data which are recorded on a discrete grid. We propose a novel estimation approach based on approximate factor models with increasing rank taking into account potential covariate information. Whereas alternative reconstruction procedures commonly involve some preliminary smoothing, our method separates the signal from noise and reconstructs missing fragments at once. We establish uniform convergence rates of our estimator and introduce a new method for constructing simultaneous prediction bands for the missing trajectories. A simulation study examines the performance of the proposed methods in finite samples. Finally, a real data application of temperature curves demonstrates that our theory provides a simple and effective method to recover missing fragments.