Three Equivalent Methods for Filtering Finite Nonstationary Time Series
有限非平稳时间序列滤波的三种等价方法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：摘要明确讨论非平稳时间序列、未观测 ARIMA 成分及滤波平滑，直接属于时间序列方法。
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…
关注这篇论文的作者
有限非平稳时间序列滤波的三种等价方法
- 研究问题
- 在有限长度的非平稳时间序列中，如何估计未观测 ARIMA 成分，三种常用滤波或平滑方法在什么意义上等价？
- 方法与思路
- 作者比较卡尔曼滤波加平滑、维纳—柯尔莫戈洛夫滤波及惩罚最小二乘平滑，并以 HP 滤波展示三种方法的应用。
- 材料陈述的贡献
- 摘要称三种方法等价，且均可实现 HP 滤波；作者进一步推荐维纳—柯尔莫戈洛夫方法，但摘要未交代推荐依据。
- 阅读关注点
- 应核对有限样本端点、初始状态与非平稳成分的处理是否一致，以及等价结论的条件和推荐某种实现的理由。
- 阅读边界
- 摘要未说明等价性所需的模型与边界条件，也未给出计算或数值比较；方法推荐不能据此解释为普遍性能优势。
原文摘要
To estimate the components in an unobserved autoregressive integrated moving average components model, three different approaches can be used--Kalman filtering plus smoothing, Wiener-Kolmogorov filtering, and penalized least squares smoothing. It is shown, in the article, that the three approaches are equivalent. As an application, it is shown that any of the three approaches can be used to filter a series with the Hodrick-Prescott filter but that Wiener-Kolmogorov filtering should be recommended.