DISCRETE TIME REPRESENTATION OF CONTINUOUS TIME ARMA PROCESSES
连续时间ARMA过程的离散时间表示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：摘要直接研究连续时间ARMA系统的离散表示及序列相关，并提供宏观与其他序列应用，核心属于时间序列方法。
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…
连续时间ARMA过程的离散时间表示
- 研究问题
- 当连续时间ARMA系统产生混合存量和流量观测时，如何得到精确离散表示，并理解连续时间MA项对序列相关的影响？
- 方法与思路
- 作者推导混合、纯存量及纯流量系统的离散ARMA表示，并通过太阳黑子、短期利率和美国非耐用品消费例子说明。
- 材料陈述的贡献
- 摘要称，离散表示的阶数取决于连续系统阶数；三个例子中加入连续时间MA(1)项显著减少此前未解释的序列相关。
- 阅读关注点
- 应核对存量采样与流量聚合的定义、连续和离散参数映射，以及相同离散阶数为何对应不同的连续时间模型限制。
- 阅读边界
- 仅据所给Crossref摘要，不能将三个例子的改善推广为普遍结论；采样条件、参数识别和残差相关的具体数值未说明。
原文摘要
This paper derives exact discrete time representations for data generated by a continuous time autoregressive moving average (ARMA) system with mixed stock and flow data. The representations for systems comprised entirely of stocks or of flows are also given. In each case the discrete time representations are shown to be of ARMA form, the orders depending on those of the continuous time system. Three examples and applications are also provided, two of which concern the stationary ARMA(2, 1) model with stock variables (with applications to sunspot data and a short-term interest rate) and one concerning the nonstationary ARMA(2, 1) model with a flow variable (with an application to U.S. nondurable consumers’ expenditure). In all three examples the presence of an MA(1) component in the continuous time system has a dramatic impact on eradicating unaccounted-for serial correlation that is present in the discrete time version of the ARMA(2, 0) specification, even though the form of the discrete time model is ARMA(2, 1) for both models.