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：摘要直接研究 ARIMA 成分模型、季节调整滤波器及经济时间序列。
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
- 当未观测成分 ARIMA 模型识别不足且存在观测等价模型时，季节调整滤波器的误差与稳健选择应如何处理。
- 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，并构造使最坏情形均方误差最小的滤波器。
- 材料陈述的贡献
- 摘要称得到误差界和极小极大季节调整滤波器，并证明某类模型下其与最小提取滤波器等价，另提供经济序列实证。
- 阅读关注点
- 应核对观测等价集合的界定、误差界是否可达、两类滤波器等价的模型条件，以及经济时间序列应用中的设定。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；等价模型类别、具体识别限制和实证结果未说明，稳健性仅针对所考虑的模型集合。
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.