Disaggregation of Time Series Models
时间序列模型的分解聚合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 ARIMA 模型、时间聚合及细尺度序列自协方差的恢复。
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
时间序列模型的分解聚合
- 研究问题
- 当观测序列是不重叠的连续观测之和时，能否从给定聚合 ARIMA 模型恢复未观测细尺度序列的自协方差结构并分解数据？
- 方法与思路
- 作者以聚合模型自协方差为起点，在无隐藏周期性及模型阶数限制下，按聚合长度的奇偶性与自回归多项式实根条件研究反推。
- 材料陈述的贡献
- 摘要称，在指定条件下存在细尺度模型，其自协方差可由聚合模型唯一导出；作者同时讨论季节与非季节模型并给出经验示例。
- 阅读关注点
- 应核对阶数限制、隐藏周期性的定义，以及奇数聚合长度或偶数长度下正实根条件如何支持存在性与自协方差唯一性。
- 阅读边界
- 依据所给 Crossref 摘要；自协方差唯一导出不意味着细尺度实际观测值唯一恢复，具体算法和其他版本变化未说明。
原文摘要
SUMMARY We develop a model disaggregation method to derive a disaggregate model from a given aggregate model, which is then used to perform data disaggregation. Since a time series model and its autocovariance structure are closely related, we approach the problem by exploring the possibility of estimating the autocovariance structure for the unobserved disaggregated series from the available autocovariances of an aggregate model. Let the time series aggregates be the non-overlapping sums of m consecutive disaggregated observations. Given an aggregate autoregressive integrated moving average ARIMA(p, d, r) model with r ≤ p + d + 1, assume that there is no hidden periodicity of order m. It is shown that, if m is odd or if m is even but all the real roots of the autoregressive polynomial of the given aggregate model are positive, then there exists a disaggregate model whose autocovariances can be uniquely derived from the autocovariances of the given aggregate model. Both non-seasonal and seasonal models are discussed. Empirical examples are presented to illustrate the method.