Uncertainty in Model-Based Seasonal Adjustment Procedures and Construction of Minimax Filters
模型季节调整的不确定性与极小极大滤波器构造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 ARIMA 未观测成分模型、季节调整和经济时间序列滤波。
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
模型季节调整的不确定性与极小极大滤波器构造
- 研究问题
- 未观测成分 ARIMA 模型欠识别时，观测等价模型之间的不确定性如何影响季节调整误差，怎样构造稳健滤波器？
- 方法与思路
- 作者在观测等价模型集合上推导任意线性滤波器的均方误差界，并以最小化集合内最大均方误差构造滤波器。
- 材料陈述的贡献
- 摘要称给出了稳健季节调整滤波器，并证明某类模型中的极小极大滤波器与最小提取滤波器等价，另有经济序列实例。
- 阅读关注点
- 应核对观测等价模型集合的界定、误差界的构造、两类滤波器等价的限制条件，以及经验分析中的稳健性表现。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；等价仅针对某类模型，具体条件与数值未说明。
原文摘要
Unobserved component autoregressive integrated moving average models are often the cornerstone of model-based seasonal adjustment procedures. Unfortunately these models are inherently underidentified and ad hoc assumptions must be made prior to the analysis. This article investigates the effect of seasonal adjustment filters on a class of observationally equivalent models. Bounds on the mean squared error (MSE) associated with arbitrary linear filters are derived. The article also derives robust seasonal adjustment filters. The filters are robust in the sense that they minimize the maximum MSE from the set of observationally equivalent models. The article shows that the minimax and minimum extraction filters are equivalent for a certain class of models. Empirical results for a number of economic time series are presented.