Band-Pass Filtering with High-Dimensional Time Series
高维时间序列的带通滤波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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要结合宏观时间序列滤波、平滑主成分提取与 GDP 月度即时预测，直接对应这三个方向。
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…
高维时间序列的带通滤波
- 研究问题
- 研究如何利用高维月度经济序列，构造反映经济增长中长期成分的综合指标，并形成季度 GDP 增长该成分的月度即时预测。
- 方法与思路
- 作者通过横截面滤波实时提取低频增长成分，形成有限个平滑主成分，再将季度 GDP 活动指标投影到这些成分张成的空间。
- 材料陈述的贡献
- 摘要称，论文讨论所构造指标的理论性质，并利用美国宏观时间序列面板评估可靠性与预测有效性，但未报告具体效果数值。
- 阅读关注点
- 应核对带通与低通滤波的关系、主成分选择、月度和季度信息对齐方式，以及实时数据可用性和预测评价的实施细节。
- 阅读边界
- 所据版本为 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明理论条件、数据修订处理或相对基准的预测表现。
原文摘要
The paper deals with the construction of a synthetic indicator of economic growth, obtained by projecting a quarterly measure of aggregate economic activity, namely gross domestic product (GDP), into the space spanned by a finite number of smooth principal components, representative of the medium-to-long-run component of economic growth of a high-dimensional time series, available at the monthly frequency. The smooth principal components result from applying a cross-sectional filter distilling the low-pass component of growth in real time. The outcome of the projection is a monthly nowcast of the medium-to-long-run component of GDP growth. After discussing the theoretical properties of the indicator, we deal with the assessment of its reliability and predictive validity with reference to a panel of macroeconomic U.S. time series.