Fast filtering for seasonal moving average models
季节性移动平均模型的快速滤波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：摘要明确研究季节性移动平均和 ARMA 模型的滤波与似然计算，直接属于时间序列方法。
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
季节性移动平均模型的快速滤波
- 研究问题
- 如何利用季节性移动平均模型中的结构零，进一步降低滤波及平稳 ARMA 模型似然计算的开销？
- 方法与思路
- 作者在已有 ARMA 快速滤波算法和已知结构零的基础上，识别第二组结构零，以减少季节性移动平均部分的运算。
- 材料陈述的贡献
- 摘要称新识别的结构零带来进一步显著计算节省，并可用于构造含季节性移动平均项的平稳 ARMA 快速似然算法。
- 阅读关注点
- 应核对两组结构零的具体位置与成立条件、滤波递推的实现，以及不同季节周期和模型阶数下的计算节省。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；复杂度及运行时间未提供，所述结果也不能直接外推到非平稳模型。
原文摘要
Pearlman (1980) gives a fast filtering algorithm for an ARMA, i.e. autoregressive-moving average, model. When the algorithm is applied to a seasonal moving average model significant computational savings can be obtained by taking advantage of the structural zeros noted by Kohn & Ansley (1984) and Melard (1984). In this paper we identify a second set of structural zeros which leads to further significant computational savings. Our results can be applied to produce a fast algorithm for obtaining the likelihood of a stationary ARMA model with a seasonal moving average.