.png){kind=icon}
返回
Approximate Factor Models for Functional Time Series
.png){kind=icon}
PRE
AI
DOI：10.1080/07350015.2026.2736042.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种新颖的近似因子模型，专门用于分析时变曲线数据。该模型将此类数据分解为两个不同的组成部分：一个低维可预测的因子成分和一个不可预测的误差项。这些成分通过基础函数时间序列的自协方差结构进行识别。模型参数通过累积自协方差算子的特征成分进行一致估计，并提出了一个信息准则来确定适当数量的因子。在死亡率和收益率曲线建模中的应用表明，与广泛使用的函数主成分分析相比，我们的方法具有关键优势，因为它提供了对基础动态的简洁结构性表示，同时提高了样本外预测性能。
Keyword:
Curve data
functional data analysis
identification
information criterion
forecasting
yield curve modeling
C32
C38
C55
E43
期刊
J
IF:
2.5
论文数:
118
被引数:
0
机构
引用论文
暂无论文信息