Trend/cycle decomposition of regime-switching processes
状态切换过程的趋势—周期分解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：摘要明确研究状态切换时间序列的趋势周期分解与随机游走趋势，直接对应时间序列；未明确研究结构突变检验。
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
状态切换过程的趋势—周期分解
- 研究问题
- 当时间序列的动态规律随状态切换时，如何推广贝弗里奇—纳尔逊趋势周期分解，并明确新分解的均方误差最优性范围？
- 方法与思路
- 作者提出状态依赖稳态分解，利用状态切换预测模型刻画简约式动态，将原有分解思路推广至漂移可能切换的随机趋势情形。
- 材料陈述的贡献
- 摘要称趋势为随机游走且漂移可能随状态切换时，该分解具有最小均方误差意义下的最优性，并比直接使用不可观测成分模型适用更广。
- 阅读关注点
- 应核对稳态与趋势成分的定义、预测模型和潜在趋势之间的联系，以及最优性所针对的信息集和适用性比较的确切范围。
- 阅读边界
- 仅据所给出版社摘要，最优性限于所述随机游走趋势类别，不能推广至任意切换过程；摘要未说明完整条件、算法或实证结果。
原文摘要
We present a new approach to trend/cycle decomposition of time series that follow regime-switching processes. The proposed approach, which we label the "regime-dependent steady-state" (RDSS) decomposition, is motivated as the appropriate generalization of the Beveridge and Nelson decomposition [Beveridge, S., Nelson, C.R., 1981. A new approach to decomposition of economic time series into permanent and transitory components with particular attention to measurement of the business cycle. Journal of Monetary Economics 7, 151-174] to the setting where the reduced-form dynamics of a given series can be captured by a regime-switching forecasting model. For processes in which the underlying trend component follows a random walk with possibly regime-switching drift, the RDSS decomposition is optimal in a minimum mean-squared-error sense and is more broadly applicable than directly employing an Unobserved Components model.