Minimax prediction in the Functional Autoregressive Model
函数自回归模型中的极小极大预测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。
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：摘要围绕函数自回归时间序列的预测均方误差及预测估计量展开，直接支持时间序列与预测方向分类。
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
函数自回归模型中的极小极大预测
- 研究问题
- 在函数自回归模型产生的依赖数据中，预测均方误差能够达到怎样的非渐近界，平滑性如何影响这一界？
- 方法与思路
- 作者推导依赖数据下的预测误差下界，并提出免于预先估计协方差谱的岭型估计量，分析其误差上界与偏差。
- 材料陈述的贡献
- 摘要称岭型估计量的误差上界与下界相差至多乘法常数，并揭示平滑性参数与正则及快速变化函数的联系。
- 阅读关注点
- 应核对极小极大分析的参数空间、混合平滑性如何定义、岭参数如何选择，以及上下界匹配依赖哪些条件。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未给出误差界的具体表达式与模拟数值。
原文摘要
The Functional Autoregressive Model (FAR) generalizes the multivariate AR(1) model in Time Series Analysis to functional data. It serves as a historical foundational point in the study of functional time series and remains a fundamental and widely used model for dependent functional data. The process-the observed data-generated by the FAR model forms a Hilbert-valued Markov chain. This paper investigates the non-asymptotic prediction mean square error and derives a lower bound. This lower bound is established in the specific context of non-i.i.d. data and depends on the mixed smoothness of the functional time series and of the unknown correlation operator driving the FAR model. Instead of the standard functional PCA regularization, a ridge-type estimator is proposed, which avoids the preliminary estimation of the spectrum of the covariance sequence associated with the process. A non-asymptotic upper bound is derived for this estimate, which matches the lower bound up to multiplicative constants. Furthermore, a detailed study of the estimate's bias reveals connections between functional smoothness parameters and regularly/rapidly varying functions, which are common in extreme value theory. Simulation results corroborate the theoretical main theorems.