Model-free Bootstrap Prediction Regions for Multivariate Time Series
多元时间序列的无模型自助预测区域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：摘要明确研究多元时间序列，并以预测区域和预测推断为主要目标。
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
多元时间序列的无模型自助预测区域
- 研究问题
- 如何将单变量时间序列的无模型自助预测扩展到多变量情形，并在不同序列类别和维度限制下构造有效预测区域？
- 方法与思路
- 作者提出两种多元预测算法：一种面向特定序列类别并允许任意固定维度，另一种覆盖更一般序列但限定于低维情形。
- 材料陈述的贡献
- 摘要称将无模型自助法扩展到多元时间序列预测推断，并以理论有效性和模拟表现支持所提出的两类算法。
- 阅读关注点
- 应核对两类序列的具体定义、固定维度与低维限制、预测区域构造，以及理论有效性所对应的覆盖概率和依赖条件。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出新算法的完整条件，也未承诺适用于高维或任意非平稳序列。
原文摘要
In Das and Politis(2020), a model-free bootstrap(MFB) paradigm was proposed for generating prediction intervals of univariate, (locally) stationary time series. Theoretical guarantees for this algorithm was resolved in Wang and Politis(2019) under stationarity and weak dependence condition. Following this line of work, here we extend MFB for predictive inference under a multivariate time series setup. We describe two algorithms, the first one works for a particular class of time series under any fixed dimension d; the second one works for a more generalized class of time series under low-dimensional setting. We justify our procedure through theoretical validity and simulation performance.