An Application of the Seasonal Fractionally Differenced Model to the Monetary Aggregates
季节分数差分模型在货币总量中的应用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：摘要直接分析货币总量的季节时间序列结构，并开展 M1 一年期样本外预测比较。
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
季节分数差分模型在货币总量中的应用
- 研究问题
- 美国货币总量的季节滞后自相关能否用季节分数差分模型描述，以及该模型在货币总量样本外预测中表现如何？
- 方法与思路
- 作者对 M1、M2、M3 拟合季节分数差分模型，考察拼接历史数据后的自相关，辅以模拟并与航空模型比较 M1 一年预测。
- 材料陈述的贡献
- 摘要称该模型消除了较多季节滞后自相关，尤其在拼接历史序列后；同时提供模拟证据和两种模型的样本外预测。
- 阅读关注点
- 应核对分数差分参数估计、历史数据拼接的可比性，以及预测训练窗口、评价指标和两种模型的具体比较结果。
- 阅读边界
- 仅据 OpenAlex 索引摘要，版本未注明。摘要未说明预测胜负、样本时期或误差大小，自相关减少不能直接证明预测更好，不能推断刊本变化。
原文摘要
In this article, three significant variables used by the U.S. Federal Reserve as targets to shape monetary policy, the monetary aggregates M1, M2, and M3, are examined using a seasonal fractionally differenced model. The sample autocorrelation functions of these monetary variables exhibit a decay pattern at the seasonal lags that is typical of a fractional model. The seasonal fractionally differenced model is found to remove a great deal of the autocorrelation at the seasonal lags, especially when a series is extended by splicing together earlier monetary data. Some Monte Carlo evidence as to the efficacy of this technique is presented. Finally, one-year-ahead out-of-sample forecasts of M1 are made using both the Box—Jenkins airline model and the seasonal fractionally differenced model.