A Note on the Finite Sample Bias in Time Series Cross-Validation
时间序列交叉验证有限样本偏差札记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：摘要直接研究时间序列交叉验证，并明确讨论 VAR 与误差的时间依赖结构。
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
时间序列交叉验证有限样本偏差札记
- 研究问题
- 在向量自回归模型或误差具有类似鞅结构的时间序列中，交叉验证是否仍会产生偏差，从而影响模型选择？
- 方法与思路
- 作者针对上述情形讨论时间序列交叉验证的偏差，并主张这些结构一般不足以消除偏差；摘要未交代具体论证方法。
- 材料陈述的贡献
- 摘要称，即使采用 VAR 或类似鞅的误差结构，时间序列交叉验证一般仍有偏差，纠正了相关无偏性的笼统判断。
- 阅读关注点
- 应核对偏差针对的统计目标、训练与验证样本的划分方式，以及结论适用的依赖结构和有限样本论证。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未说明偏差方向、大小、具体例子或可行的修正方案。
原文摘要
It is well known that model selection via cross validation can be biased for time series models. However, many researchers have argued that this bias does not apply when using cross-validation with vector autoregressions (VAR) or with time series models whose errors follow a martingale-like structure. I show that even under these circumstances, performing cross-validation on time series data will still generate bias in general.