Forecasting for quantile self-exciting threshold autoregressive time series models
分位数自激门限自回归时间序列模型的预测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：摘要明确研究门限自回归时间序列及分位数预测，直接对应时间序列与预测方向。
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
分位数自激门限自回归时间序列模型的预测
- 研究问题
- 在自激门限自回归模型通常用于条件均值预测的背景下，如何基于其分位数形式预测时间序列的未来分位数？
- 方法与思路
- 作者基于既有的分位数自激门限自回归时间序列模型提出新的预测方法，并用模拟和真实时间序列检验表现。
- 材料陈述的贡献
- 摘要称，新方法在模拟与真实序列应用中表现良好；明确贡献是分位数预测程序，但摘要没有报告具体比较结果。
- 阅读关注点
- 应核对预测程序的递推方式、预测步长与目标分位数，以及门限设定、参数估计误差和预测评价指标。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；算法细节、数据来源与评价数值未说明，不能把“表现良好”视为已验证的普遍优势。
原文摘要
Self-exciting threshold autoregressive time series models have been used extensively, and the conditional mean obtained from these models can be used to predict the future value of a random variable. In this paper we consider quantile forecasts of a time series based on the quantile self-exciting threshold autoregressive time series models proposed by Cai and Stander (2008) and present a new forecasting method for them. Simulation studies and application to real time series show that the method works very well.