Estimation of Unobserved Expected Monthly Inflation Using Kalman Filtering
利用 Kalman 滤波估计不可观测的月度预期通胀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：摘要明确使用利率与通胀的月度时间序列、VAR 状态空间表示和 Kalman 滤波，直接对应宏观时间序列方法。
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…
利用 Kalman 滤波估计不可观测的月度预期通胀
- 研究问题
- 如何利用国库券利率和实际通胀的月度时间序列，估计不可观测的市场预期通胀，并刻画季度数据可能掩盖的变化？
- 方法与思路
- 作者由预期实际利率、预期通胀及观测变量的滞后关系构造 VAR 状态空间表示，采用替代参数估计方法与 Kalman 滤波。
- 材料陈述的贡献
- 摘要称，文章将原有方法扩展到月度频率，并采用另一种参数估计方法，由此给出不同的识别证明，同时保留滤波估计预期通胀。
- 阅读关注点
- 应核对从 VAR 到状态空间的推导、不可观测预期的识别条件，以及替代参数估计方法与原方法的差异和滤波不确定性。
- 阅读边界
- 摘要未说明样本区间、具体识别限制、参数估计表现或滤波精度，也未报告预期通胀与股票价格关系的实证结果。
原文摘要
Hamilton developed a technique for estimating financial market expectations of inflation based on the observed time-series properties of interest rates and inflation. The technique is based on a state-space representation derived from an underlying vector autoregressive process of the expected real interest rate and the expected inflation rate on lagged expectations and lagged values of the observed Treasury bill rate and the actual inflation rate. This article extends this work in two ways. First, we use monthly data, since the quarterly data used by Hamilton may obscure many interesting movements, especially for determining the role of inflationary expectations in stock price movements, and this is one of our primary interests. Second, we employ an alternative method developed by Burmeister and Wall for estimating the parameters of the model, and this method leads to a different identification proof. Both approaches share the use of the Kalman filter to estimate the unobserved variables, in this case, expected rates of inflation.