Canonical Correlations of Past and Future for Time Series: Definitions and Theory
时间序列过去与未来的典型相关：定义与理论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：摘要直接研究平稳时间序列的结构，并以识别未来最可预测成分为目标。
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
时间序列过去与未来的典型相关：定义与理论
- 研究问题
- 如何将多元统计中的典型相关和典型成分扩展到平稳时间序列，以识别未来最可预测的部分并联系序列的结构性质？
- 方法与思路
- 作者为平稳时间序列建立典型相关与典型成分的理论描述，并研究它们与有理谱、强混合及绝对正则性等性质的联系。
- 材料陈述的贡献
- 摘要称扩展了典型相关概念以刻画未来的可预测成分，并将这种描述与 ARMA、有理谱和若干依赖性质联系起来。
- 阅读关注点
- 核对过去与未来所对应空间的定义、典型成分的存在条件，以及与谱结构和混合性质之间关系的具体方向。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未提供具体等价条件、估计程序或预测评估，不能据此声称样本外预测改善。
原文摘要
The concepts of canonical correlations and canonical components are familiar ideas in multivariate statistics. In this paper we extend these notions to stationary time series with a view to determining the most predictable aspect of the future of a time series. We relate properties of the canonical description of a time series to well known structural properties of the series such as (i) rational spectra (i.e., ARMA series), (ii) strong mixing, (iii) absolute regularity, etc.