The estimation of continuous time models with mixed frequency data
混频数据下连续时间模型的估计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：摘要直接研究连续时间模型、混频观测及平稳、非平稳与协整情形，属于时间序列方法。
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
混频数据下连续时间模型的估计
- 研究问题
- 如何联合利用不同观测频率的数据估计多元连续时间模型，并同时处理存量、流量、趋势及可能存在的非平稳性与协整？
- 方法与思路
- 作者推导连续时间模型对应的混频离散时间精确表示，据此进行最大似然估计，并通过模拟比较与仅使用最低频率数据的方法。
- 材料陈述的贡献
- 摘要称，所得表示允许同时利用高频和低频信息，涵盖多种变量组合与平稳性情形，并提供有限样本模拟和实证示例。
- 阅读关注点
- 阅读全文时应核对时间聚合与抽样如何进入精确表示、协整情形的处理，以及似然构造、参数识别和低频基准的比较设置。
- 阅读边界
- 仅依据所给出版社摘要；摘要未说明具体识别条件、模拟结果和实证对象，不能据此判断效率提升幅度或推断其他版本的变化。
原文摘要
This paper derives exact representations for discrete time mixed frequency data generated by an underlying multivariate continuous time model. Allowance is made for different combinations of stock and flow variables as well as deterministic trends, and the variables themselves may be stationary or nonstationary (and possibly cointegrated). The resulting discrete time representations allow for the information contained in high frequency data to be utilised alongside the low frequency data in the estimation of the parameters of the continuous time model. Monte Carlo simulations explore the finite sample performance of the maximum likelihood estimator of the continuous time system parameters based on mixed frequency data, and a comparison with extant methods of using data only at the lowest frequency is provided. An empirical application demonstrates the methods developed in the paper and it concludes with a discussion of further ways in which the present analysis can be extended and refined.