Gaussian Estimation of Mixed-Order Continuous-Time Dynamic Models with Unobservable Stochastic Trends from Mixed Stock and Flow Data
利用混合存量与流量数据估计含不可观测随机趋势的混合阶连续时间动态模型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：摘要研究连续时间动态模型、随机趋势及存量流量时间观测的估计。
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
利用混合存量与流量数据估计含不可观测随机趋势的混合阶连续时间动态模型
- 研究问题
- 如何利用混合存量与流量观测，对包含不可观测随机趋势及不同阶微分方程的连续时间动态模型进行精确高斯估计？
- 方法与思路
- 作者提出高斯估计算法，并给出一、二阶微分方程及混合存量流量变量的实施公式；精确似然结论要求布朗创新及指定模型条件。
- 材料陈述的贡献
- 摘要称，在布朗创新且模型封闭或外生变量为至多二次时间多项式时，算法产生精确极大似然估计，并提供详细实施公式。
- 阅读关注点
- 应核对存量与流量的观测映射、不可观测趋势的处理、模型封闭的含义，以及外生变量条件如何保证精确高斯似然。
- 阅读边界
- 仅据所给 Crossref 摘要；更一般情形下表现良好只是作者预期，未给误差界或验证结果，不能推断其他版本的变化。
原文摘要
This paper develops an algorithm for the exact Gaussian estimation of a mixed-order continuous-time dynamic model, with unobservable stochastic trends, from a sample of mixed stock and flow data. Its application yields exact maximum likelihood estimates when the innovations are Brownian motion and either the model is closed or the exogenous variables are polynomials in time of degree not exceeding two, and it can be expected to yield very good estimates under much more general circumstances. The paper includes detailed formulae for the implementation of the algorithm, when the model comprises a mixture of first- and second-order differential equations and both the endogenous and exogenous variables are a mixture of stocks and flows.