Trends and Cycles in Macroeconomic Time Series
宏观经济时间序列中的趋势与周期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：摘要直接以美国宏观时间序列的趋势、周期分解及结构时间序列估计为对象。
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
宏观经济时间序列中的趋势与周期
- 研究问题
- 如何将年度宏观时间序列分解为趋势、周期和不规则成分，并通过结构时间序列模型理解其动态与周期行为？
- 方法与思路
- 作者构造两种包含趋势、周期及不规则成分的结构时间序列模型，使用Kalman滤波对五个美国宏观序列进行估计。
- 材料陈述的贡献
- 摘要称估计结果揭示了序列动态结构，尤其是周期行为，并借此展示结构时间序列模型选择策略的发展。
- 阅读关注点
- 应核对两种模型的成分设定与可辨识性、五个序列及样本范围，以及模型选择依据和周期估计的不确定性。
- 阅读边界
- 所给OpenAlex摘要未说明具体序列、周期长度或模型选择准则，不能据此判断模型的预测能力及趋势分解稳定性。
原文摘要
Two structural time series models for annual observations are constructed in terms of trend, cycle, and irregular components. The models are then estimated via the Kalman filter using data on five U.S. macroeconomic time series. The results provide some interesting insights into the dynamic structure of the series, particularly with respect to cyclical behavior. At the same time, they illustrate the development of a model selection strategy for structural time series models.