The SIML Filtering Method for Noisy Non-stationary Economic Time Series (eBook)
X, 118 Seiten
Springer-Verlag
978-981-96-0882-9 (ISBN)
In this book, we explain the development of a new filtering method to estimate the hidden states of random variables for multiple non-stationary time series data. This method is particularly helpful in analyzing small-sample non-stationary macro-economic time series. The method is based on the frequency-domain application of the separating information maximum likelihood (SIML) method, which was proposed by Kunitomo, Sato, and Kurisu (Springer, 2018) for financial high-frequency time series. We solve the filtering problem of hidden random variables of trend-cycle, seasonal, and measurement-error components and propose a method to handle macro-economic time series. The asymptotic theory based on the frequency-domain analysis for non-stationary time series is developed with illustrative applications, including properties of the method of Muller and Watson (2018), and analyses of macro-economic data in Japan.
Vast research has been carried out on the use of statistical time series analysis for macro-economic time series. One important feature of the series, which is different from standard statistical time series analysis, is that the observed time series is an apparent mixture of non-stationary and stationary components. We apply the SIML method for estimating the non-stationary errors-in-variables models. As well, we discuss the asymptotic and finite sample properties of the estimation of unknown parameters in the statistical models. Finally, we utilize their results to solve the filtering problem of hidden random variables and to show that they lead to new a way to handle macro-economic time series.
| Erscheint lt. Verlag | 3.3.2025 |
|---|---|
| Reihe/Serie | JSS Research Series in Statistics |
| JSS Research Series in Statistics | SpringerBriefs in Statistics |
| Zusatzinfo | X, 118 p. 42 illus., 24 illus. in color. |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik ► Datenbanken |
| Mathematik / Informatik ► Mathematik ► Statistik | |
| Mathematik / Informatik ► Mathematik ► Wahrscheinlichkeit / Kombinatorik | |
| Schlagworte | measurement errors • Non-stationary Economic Time Series Data • seasonal adjustment • seasonality • Separating Information Maximum Likelihood Filtering • SIML Filtering • Time and Frequency Domains • Trend-Cycle |
| ISBN-10 | 981-96-0882-1 / 9819608821 |
| ISBN-13 | 978-981-96-0882-9 / 9789819608829 |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
