Predicting a Multitude of Time Series
大量时间序列的预测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：摘要直接讨论多条时间序列的参数估计与预测，尤其关注序列多而单条观测少的情形。
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
大量时间序列的预测
- 研究问题
- 当需要同时分析大量时间序列、而每条序列的观测又很少时，如何借助收缩估计进行参数估计和预测？
- 方法与思路
- 作者讨论 Stein 型收缩估计的构造原则及基础假设，将其用于多序列参数估计与预测，并应用于库存控制需求估计。
- 材料陈述的贡献
- 摘要将收缩估计原则与大量短序列问题联系起来，并给出库存需求应用；具体风险改善或预测精度结果未说明。
- 阅读关注点
- 应核对跨序列共享信息的依据、收缩目标与强度如何选择，以及库存需求应用中的预测评估和基础假设是否相符。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要。序列依赖结构、收缩公式及预测误差未说明，不能断言方法在所有短序列问题上有效。
原文摘要
Principles for constructing estimators of the Stein type (shrinkage estimators) are discussed in general terms, with emphasis on underlying assumptions. The problem of parameter estimation and prediction for multiple time series is examined with these principles in mind, particularly for the case in which the number of time series is large and the number of observations from each series is small. Our results are applied to the problem of demand estimation in an inventory control setting.