The Modeling and Seasonal Adjustment of Weekly Observations
周度观测的建模与季节调整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：摘要明确以周度经济时间序列、季节建模和状态空间滤波平滑为核心，最直接对应时间序列细分方向。
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…
周度观测的建模与季节调整
- 研究问题
- 针对每周固定日期记录的经济序列，如何处理一年有52或53周、记录日位置变化及复活节日期移动，并提取趋势和调整季节性？
- 方法与思路
- 作者建立允许季节模式随时间演变的结构时间序列模型，借助状态空间滤波与平滑提取趋势并季调，以英格兰银行货币供给序列示范。
- 材料陈述的贡献
- 摘要提出应对周度观测日历不规则性和移动节日影响的建模方案，将可变季节模式、趋势提取与季节调整纳入结构时间序列框架。
- 阅读关注点
- 核对52与53周、记录日位置及移动节日如何进入模型，季节模式演变的设定，以及滤波、平滑与货币供给应用的具体实现。
- 阅读边界
- 摘要未说明模型方程、参数估计、误差结构或与其他季调方法的比较结果；单一货币供给示例不足以判断其他周度序列中的表现。
原文摘要
Several important economic time series are recorded on a particular day every week. Seasonal adjustment of such series is difficult because the number of weeks varies between 52 and 53 and the position of the recording day changes from year to year. In addition certain festivals, most notably Easter, take place at different times according to the year. This article presents a solution to problems of this kind by setting up a structural time series model that allows the seasonal pattern to evolve over time and enables trend extraction and seasonal adjustment to be carried out by means of state-space filtering and smoothing algorithms. The method is illustrated with a Bank of England series on the money supply.