Density-valued time series: Nonparametric density-on-density regression
密度值时间序列：非参数密度对密度回归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：摘要明确研究密度值时间序列及其预测方法，因此按方法归入时间序列与预测方向，应用本身并非宏观经济数据。
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
密度值时间序列：非参数密度对密度回归
- 研究问题
- 概率密度具有非负性和积分约束，如何预测以密度函数为观测值的时间序列，并避免无约束函数型预测方法造成的问题？
- 方法与思路
- 作者提出响应和解释变量均为概率密度的非参数函数对函数回归，研究估计量的渐近性质，并通过模拟和真实数据比较预测准确性。
- 材料陈述的贡献
- 摘要称建立了非参数估计量的渐近性质，并在法国疫情数据与美国年龄别生命表中评估预测表现，但未说明相对优势的具体幅度。
- 阅读关注点
- 应核对密度约束如何在估计和预测中得到满足、函数距离与平滑参数如何选择，以及渐近结论和预测评价所需的依赖条件。
- 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；摘要未说明渐近条件、具体预测指标或比较结果，不能判断实际改进幅度。
原文摘要
This paper is concerned with forecasting probability density functions. Density functions are nonnegative and have a constrained integral; thus, they do not constitute a vector space. Implementing unconstrained functional time-series forecasting methods is problematic for such nonlinear and constrained data. A novel forecasting method is developed based on a nonparametric function-on-function regression, where both the response and the predictor are probability density functions. Asymptotic properties of our nonparametric regression estimator are established, as well as its finite-sample performance through a series of Monte-Carlo simulation studies. Using COVID-19 data from the French department and age-specific period life tables from the United States, we assess and compare the finite-sample forecast accuracy of the proposed method with several existing methods.