×
莎拉·盖尔珀;弗莱德，罗兰;克利斯朵夫·克鲁斯

具有指数平滑和Holt-Winters平滑的稳健预测。 （英语） Zbl 1203.62164号

J.预测。 29，第3期，285-300（2010年）。
总结：指数型和Holt-Winters的稳健版本[参见P.R.温特斯，管理。科学。6, 324–342 (1960;Zbl 0995.90562号)]提出了预测的平滑方法。它们适用于预测存在离群值的单变量时间序列。稳健的指数平滑和Holt-Winters平滑方法作为递归更新方案提出，将标准技术应用于预清理数据。更新方程和平滑参数的选择都是鲁棒的。一项模拟研究比较了稳健预测和经典预测。结果表明，该方法对有离群值和无离群值的时间序列以及有尾时间序列和模型指定错误的时间序列都具有良好的预测性能。使用包含趋势和季节影响的实际数据对该方法进行了说明。

引用于16文件

MSC公司：

62M20型 随机过程推断和预测
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
65C60个 统计中的计算问题（MSC2010）

关键词：

预测;稳健的方法;时间序列

引文：

Zbl 0995.90562号

软件：

鲁棒基地
PDF格式BibTeX公司 XML格式引用
\textit{S.Gelper}等人，《预测杂志》。29，第3号，285--300（2010；Zbl 1203.62164）
全文： 内政部 链接

参考文献：

[1] 鲍尔曼，《预测、时间序列和回归》（2005年）
[2] Cipra，稳健指数平滑，《预测杂志》11，第57页–（1992）·Zbl 0951.91508号
[3] Cipra，带离群值和缺失观测值的卡尔曼滤波器，测试6第379页–（1997）·Zbl 0893.62094号
[4] Davies，在线监测数据的鲁棒信号提取，《统计规划与推断杂志》122第65页–（2004）·Zbl 1040.62099号
[5] Fried，带趋势的时间序列稳健过滤，非参数统计16页313–（2004）·兹比尔1065.62162
[6] Gardner，注：基于规则的预测与阻尼趋势指数平滑，《管理科学》第45页第1169页–（1999年）·Zbl 1231.91380号
[7] 加德纳，《指数平滑：最新进展》，第二部分，《国际预测杂志》22页637页–（2006）
[8] 霍尔特C.1959。通过指数加权移动平均值预测季节和趋势。ONR研究备忘录52。
[9] Hyndman，使用两类新的状态空间模型进行指数平滑的预测区间，《预测杂志》24页17–（2005）
[10] Kirkendall，监测指数平滑卡尔曼滤波实现中的离群值和水平偏移，《预测杂志》11，第543页–（2006）
[11] Kotsialos，使用Holt-Winters和神经网络方法进行长期销售预测，《预测杂志》，第24页，第353页–（2005年）
[12] Kutner，应用线性统计模型（2005）
[13] Makridakis，《预测、方法和应用》（1998年）
[14] Maronna，稳健统计、理论和方法（2006）
[15] Martin，抗干扰谱估计，IEEE 70论文集，第1097页–（1982）
[16] Masreliez，线性模型的稳健贝叶斯估计和卡尔曼滤波器的稳健化，IEEE自动控制汇刊22 pp 361–（1977）·Zbl 0354.93054号
[17] Pearson，《挖掘不完整数据：处理污染和不完整记录》（2005年）·Zbl 1079.62005号 ·数字对象标识代码：10.1137/1.9780898717884
[18] Romera，《稳健卡尔曼滤波的实际实现》，《卫星通信》24页461–（1995）·Zbl 0850.62688号
[19] Ruckdeschel P.2001。Ansatze zur Robustifizierung des Kalman滤波器。论文，拜罗伊特数学学院，拜罗伊特·Zbl 0995.93001号
[20] Siegel，使用重复中值的稳健回归，Biometrika 68 pp 242–（1982）·Zbl 0483.62026号
[21] Taylor，平滑过渡指数平滑，《预测杂志》23页385–（2004）
[22] Taylor，使用指数加权分位数回归预测每日超市销售额，《欧洲运筹学杂志》178，第154页–（2007）·Zbl 1102.62103号
[23] Winters，《通过指数加权移动平均值预测销售额》，《管理科学》6第324页–（1960）·Zbl 0995.90562号
[24] Yohai，通过有效尺度最小化对回归进行高分解估计，《美国统计协会杂志》83页406–（1988）·Zbl 0648.62036号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。