Prediction of Missing Observations in the Time Series of an Economic Variable
经济变量时间序列中缺失观测的预测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：摘要明确研究经济时间序列的缺失观测插补、自协方差与季节性结构。
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
经济变量时间序列中缺失观测的预测
- 研究问题
- 经济时间序列的记录间隔缩短后，如何插补缺失观测，并在未知自协方差结构时获得接近最优的预测表现？
- 方法与思路
- 作者推导利用全部可用信息的最小二乘插补预测量，并提出不依赖自协方差的简化预测量，通过模拟比较其表现。
- 材料陈述的贡献
- 摘要称，简化预测量在典型经济谱形下近乎最优；模拟中优于估计自协方差后得到的近似最小二乘预测量，且适用于所考察的季节情形。
- 阅读关注点
- 应核对记录间隔变化与缺失观测的对应关系、典型经济谱形的定义，以及近乎最优的判据和季节性模拟设置。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要。谱形条件、预测量公式及数值差距未说明；插补表现不能直接推广为未来预测能力，刊本变化未知。
原文摘要
A least squares predictor is derived to interpolate missing observations of an economic time series in which the recording interval has been shortened. This predictor uses all the available information, but depends on the unknown autocovariance structure of the series. A much simpler predictor, not involving the autocovariances, is shown to be almost optimal whenever the process has the typical economic spectral shape, and simulation experiments indicate that it is superior to the approximate least squares predictor (obtained by estimating the autocovariance structure) and effective in cases exhibiting a seasonal pattern as well as the simple autoregressive case.