A Random Walk, Markov Model for the Distribution of Time Series
用于时间序列分配的随机游走—马尔可夫模型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：摘要明确以季度和月度时间序列的频率分解为研究对象，并比较分解技术的准确性，因此归入时间序列方向。
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…
关注这篇论文的作者
用于时间序列分配的随机游走—马尔可夫模型
- 研究问题
- 如何将季度时间序列分解为月度数值，并检验不同分解方法的准确性？摘要关注低频数据向较高频数据的分配问题。
- 方法与思路
- 作者提出季度到月度的时间序列分配技术，推广 Fernández 方法，并比较该技术、原方法与 Chow–Lin 提出的两种程序的准确性。
- 材料陈述的贡献
- 摘要称论文推广了已有的时间序列分配方法，并报告四种方法的准确性测试；摘要未说明比较结果及优势出现的条件。
- 阅读关注点
- 阅读全文时应核对季度与月度数值的汇总一致性、随机游走和马尔可夫结构的具体设定，以及准确性测试的设计与评价指标。
- 阅读边界
- 摘要未说明所用数据、误差结构、辅助信息或准确性结果，因而不能判断方法的适用范围，也不能据此声称优于比较方法。
原文摘要
This article describes a technique for distributing quarterly time series across monthly values. The method generalizes an approach described by Fernández (1981). The article also presents results of a test of the accuracy of these two approaches and of the accuracy of two standard procedures suggested by Chow and Lin (1971).