非平稳函数时间序列预测

我们提出了一种非平稳函数时间序列预测方法，并应用于观察多年的特定年龄死亡率。该方法首先进行一阶差分并估计其长期协方差函数。通过特征分解，我们获得了差分序列的一组估计函数主成分及其相关得分。这些成分使我们能够重构原始函数数据并计算残差。为了对残差中的时间模式进行建模，我们再次执行动态函数主成分分析，并提取残差的估计主成分及相关得分。作为副产品，我们引入了一种几何衰减加权方法，对最近的数据赋予比遥远过去数据更高的权重。使用 1751 年至 2022 年的瑞典特定年龄死亡率，我们证明了加权动态函数因子模型可以产生更精确的点预测和区间预测，特别是对于表现出较高波动性的男性序列。