Hidden Periodische Autoregressive Gleitende Durchschnittsmodelle In Zeitreihendaten

Versteckte periodische autoregressiye-gleitende Durchschnittsmodelle in Zeitreihendaten durch GC TIAO, MR GRUPE Verborgene periodische autoregressive gleitende Durchschnittsmodelle in Zeitreihendaten Department of Statistics, Universität Wisconsin, Madison Federal Reserve Board, Washington, DC Einige Eigenschaften einer Klasse von Werden periodische Modelle zur Charakterisierung saisonaler Zeitreihen erforscht. Die Beziehungen zwischen periodischen Modellen und mehreren autoregressiv-gleitenden Durchschnittsmodellen werden entwickelt und verwendet, um Einblick in das Verhalten von periodischen Modellen zu erhalten. Insbesondere wird gezeigt, wie homogene autoregressive gleitende Durchschnittsmodelle fälschlicherweise für Serien spezifiziert werden können, in denen periodische Eigenschaften vorhanden sind. Die Konsequenzen solcher Fehlspezifikationen für die Prognose und die Diagnostik werden ebenfalls abgeleitet. Einige Schlüsselwörter: Autoregressive-gleitende durchschnittliche Modell Prognose Effizienz Periodische Modell Saisonmodell Zeitreihen. 1. EINFÜHRUNG Lassen Sie eine Reihe von Beobachtungen, die in gleichmäßig beabstandeten Zeitintervallen genommen werden. Eine Klasse von Modellen, die in den letzten Jahren weit verbreitet wurde, ist die von autoregressiven integrierten gleitenden Durchschnittsmodellen (Box amp Jenkins, 1976), ltjgt (B) (lB) gt (l-Bgt) gtzt 7, ampamp) (M), wobei t ein Ortsparameter ist, B der Rückschaltoperator ist, so daß Bzt zti (dv d2,) nichtnegative ganze Zahlen sind, ltfgt (B) und 6 (B) Polynome in B von Grad p bzw. q sind, Die keine gemeinsamen Nullen haben, aber alle Nullstellen außerhalb des Einheitskreises liegen und die at39a identisch und unabhängig als N (0, o) verteilt sind. Diese Autoren haben ein iteratives Modellbauverfahren vorgeschlagen, das aus (i) einer vorläufigen Spezifikation von (dvd2,8, p, q) hauptsächlich durch das Studium der Musterautokorrelationsfunktionen der ursprünglichen Reihe und verschiedener geeigneter differenzierter Serien, (ii) Schätzungen besteht Der Parameter in ltfgt (B) und 0 (B) nach dem Verfahren der maximalen Wahrscheinlichkeit und (ill) diagnostische Überprüfung des angepassten Modells über die Autokorrelationsfunktion der Residuen. Im folgenden wird das Modellbauverfahren als 39 Standardanalyse bezeichnet39. Während die Klasse von Modellen in (1-1) sich in der Praxis bewährt hat, ist implizit in solchen Modellen die Annahme vorhanden, dass die mittlere und autokovariante Funktion der differenzierten Reihe (1 B) dl (l B8) ilzi homogen oder zeitinvariant ist. Allerdings ist bei der Analyse von Serien, die ein starkes saisonales oder zyklisches Verhalten zeigen, eine solche Homogenitätsannahme manchmal eindeutig unangemessen. Als Beispiel benutzte McCollister amp Wilson (1975) ein Modell der Form (1-1) mit d 0, d2 1 und s 24, um stündliche Messungen von Umgebungsozon über einen Zeitraum von mehreren Monaten im Los Angeles-Becken zu ermöglichen. Jedoch ist es allgemein bekannt, dass die Ozonkonzentration in Los Angeles typischerweise während der Morgenstunden, Spitzen am frühen Nachmittag ansammelt und nahezu bis null in der Nacht zerstreut. Daher ist zu erwarten, dass bei der D alhousie U niversity am 24. Juni 2015 biom et. oxfordjournals. org aus 366 GC TIAO UND MR GRUPE Korrelation zwischen den morgendlichen und frühen Nachmittags-Ozon-Messungen eines bestimmten Tages erheblich stärker ausgeprägt war (Tiao, Kastenverstärkung Hamming, 1975 Tiao, Phadke amp Box, 1976). Diese Überlegungen bezweifeln die Angemessenheit des homogenen Modells (1-1). In einer solchen Situation scheint die Verwendung von periodischen Zeitreihenmodellen (Monin, 1963 Jones amp Brelsford, 1967 Pagano, 1978 Cleveland amp Tiao, 1979) geeigneter zu sein. Insbesondere hat das Schreiben von tj Ts (j 1. T 0, 1.), wobei T eine Periode darstellt und e die Periodenlänge ist, Cleveland amp Tiao eine Klasse von periodischen autoregressiv-gleitenden Durchschnittsmodellen P (B) 1 vorgeschlagen LtfgtfB. LtfgtB, 0lt (B) 1 dB. EB. Hj ist der Mittelwert von zjTs und ist eine periodische Folge von normal und unabhängig verteilten Zufallsvariablen mit Nullmitteln und Varianzen var (aiTB) tf Diese Autoren haben auch Verfahren zur Identifizierung und Anpassung derartiger Modelle an Zeitreihendaten entwickelt. Da das Modell in (1-2) im allgemeinen eine mögliche s-fache Zunahme der Zahl der Parameter über diejenige in (1-1) einbezieht, muß in ihrer Anwendung Sorge geübt werden. Zuerst muss die Wirksamkeit von (1-2) bestimmt werden. Dies hat uns dazu geführt, in dieser Arbeit die beiden folgenden Fragen zu prüfen. Nehmen wir an, dass die Daten wirklich aus dem periodischen Modell in (12) generiert werden, was würden die Konsequenzen der 39 Standardanalyse sein39. Insbesondere würden die Standardprozeduren den Benutzer auf den periodischen Charakter der Daten aufmerksam machen oder würde es zu einem vernachlässigten homogenen Modell der Form (11) führen. Zweitens, wenn letzteres geschieht, was ist der Verlust in der Prognose Effizienz, wenn das falsche Modell verwendet wird. 2. PERIODISCHE UND VEKTOR AUTOREGRESSIV BEWEGENDE DURCHSCHNITTMODELLE Während die Form des Modells (1-2) klar zeigt, dass der autoregressive, (B) und der gleitende Durchschnitt dli) (B) die Strukturen der Beobachtungen ziTs mit j variieren. Um die genaue Natur dieser Polynome zu studieren, wird es nützlich sein, eine andere Repräsentation zu betrachten. Nach Gladyshev (1961) betrachten wir die Menge der s-Beobachtungen z1Ta,, zBTs in einer gegebenen Periode T a s eine Einzelvektorbeobachtung, die durch die Periode indiziert ist. Schreiben von T iViTgt gt3ST) (ZlTgt gtzaTs) (2391) definieren wir eine periodische Mittel - und Kovarianz-Stationärserie als eine, für die die zugeordnete Vektorreihe stationär ist. Aus dieser Definition geht hervor, dass E (ziTa) E Um die Auto - und Kreuzkovarianzstruktur von ziTa zu beschreiben, muss YAMP E (ZJTB-H) (ziviTtu-Ht,) gt (2gt3) so sein. 8 Y-ita) lt wobei v 0 - 1 I 0,1,2. Und für die andy's, j anampjv gehorchen modulo s arithmetic. Nun, wenn wir T (l) lassen. 0 ((y (J))), (2-4) wobei x (x, fts) 39 die Kreuzvarianzmatrix von Verzögerung I für YT ist, so ist leicht zu erkennen, daß bei D alhousie U niversity am 24. Juni , 2015 biom et. oxfordjournals. org by W. Meiring, P. Guttorp, PD Sampson. 1997. Wir präsentieren einen Ansatz zur Schätzung der prozentualen Ozonkonzentrationen auf der Basis von Beobachtungen von Punktüberwachungsstellen im Weltraum zum Vergleich mit gridbasierten Ergebnissen des photochemischen Luft-Qualitätsmodells von SARMAP für eine Region Nordkaliforniens. Statistische Schätzung wird durchgeführt. Wir präsentieren einen Ansatz zur Schätzung der prozentualen Ozonkonzentrationen auf der Basis von Beobachtungen von Punktüberwachungsstellen im Weltraum zum Vergleich mit gridbasierten Ergebnissen des photochemischen Luft-Qualitätsmodells von SARMAP für eine Region Nordkaliforniens. Die statistische Schätzung wird auf einer transformierten (Quadratwurzel) Skala durchgeführt, gefolgt von einer Rücktransformation in die ursprüngliche Ozongröße in Teilen pro Milliarde, wobei die Vorspannung und Varianz eingestellt wird. Wir schätzen eine räumlich veränderliche diurnale Mittelstruktur und eine nicht-trennbare Raum-Zeit-Korrelationsstruktur auf der transformierten Skala. Dem zeitlichen Vorkonditionieren folgt eine Modellierung einer räumlich nicht stationären, diurnal variierenden räumlichen Korrelationsstruktur unter Verwendung eines räumlichen Deformationsansatzes. Vergleiche von SARMAP-Modell-Ergebnissen mit den geschätzten Raster-Ozon-Niveaus werden vorgestellt. Schlüsselwörter: Kriging, Nichttrennbare Raum-Zeit-Korrelation, Räumliche Skala, Transformation 1 Einleitung Photochemische Luftqualitätsmodelle wurden entwickelt. Von Paul L. Anderson, Mark M. Meerschaert - Water Resour. Res. 1998. Abstrakt. Jüngste Fortschritte in der Zeitreihenanalyse bieten alternative Modelle für Flussströme, in denen die Innovationen schwere Schwänze haben, so dass einige der Momente nicht existieren. Die Wahrscheinlichkeit großer Fluktuationen ist viel größer als bei Standardmodellen. Wir befassen uns mit einigen neueren theoretischen Entwicklungen. Abstrakt. Jüngste Fortschritte in der Zeitreihenanalyse bieten alternative Modelle für Flussströme, in denen die Innovationen schwere Schwänze haben, so dass einige der Momente nicht existieren. Die Wahrscheinlichkeit großer Fluktuationen ist viel größer als bei Standardmodellen. Wir untersuchen einige aktuelle theoretische Entwicklungen für schwere Tail-Zeitreihen-Modelle und zeigen ihre praktische Anwendung auf Flussfluss-Daten aus dem Salt River in der Nähe von Roosevelt, Arizona. Wir schließen auch einige einfache Diagnosen ein, die der Praktiker verwenden kann, um zu identifizieren, wenn die Methoden dieses Papiers nützlich sein können. 1. von Bypaull Anderson, Mark, M. Meerschaert - Stat. 1997. In dieser Arbeit wird die grundlegende asymptotische Theorie für periodisch sich bewegende Mittelwerte von i. i.d. Zufällige Variablen mit regelmäßig variierenden Schwänzen. Die gleitenden Durchschnittskoeffizienten können je nach Jahreszeit variieren. Eine einfache Reformulierung liefert die entsprechenden Ergebnisse für gleitende Mittelwerte von ran. In dieser Arbeit wird die grundlegende asymptotische Theorie für periodisch sich bewegende Mittelwerte von i. i.d. Zufällige Variablen mit regelmäßig variierenden Schwänzen. Die gleitenden Durchschnittskoeffizienten können je nach Jahreszeit variieren. Eine einfache Reformulierung liefert die entsprechenden Ergebnisse für gleitende Mittelwerte von Zufallsvektoren. Unser Hauptresultat ist, dass, wenn die zugrundeliegenden Zufallsvariablen eine endliche Varianz, aber ein unendliches viertes Moment haben, die Probenau-Korrekturen asymptotisch stabil sind. Es ist in diesem Fall gut bekannt, dass Probenautokorrelationen im klassischen stationären gleitenden Durchschnittsmodell asymptotisch normal sind. Einführung. Regelmäßige Variation wird verwendet, um jene i. i.d. Sequenzen von Zufallsvariablen, für die eine Version des zentralen Grenzwertsatzes gilt. Wenn diese Zufallsvariablen eine unendliche Varianz aufweisen, ist die Summe asymp-total stabil anstatt asymptotisch normal. Stabile Zufallsvariablen haben viele praktische Anwendungen gefunden, die mit der Arbeit von Holts beginnen - von Marius Ooms, Philip Hans Franses. 1998. Basierend auf einfachen Zeitreihenplots und periodischen Probenautokorrelationen, dokumentieren wir, dass monatliche Flussflussdatenanzeige lange Gedächtnis zusätzlich zu ausgeprägter Saisonalität. In der Tat scheint es, dass die lange Speichermerkmale mit der Jahreszeit variieren. Um diese beiden Eigenschaften gemeinsam zu beschreiben, haben wir. Basierend auf einfachen Zeitreihenplots und periodischen Probenautokorrelationen, dokumentieren wir, dass monatliche Flussflussdatenanzeige lange Gedächtnis zusätzlich zu ausgeprägter Saisonalität. In der Tat scheint es, dass die lange Speichermerkmale mit der Jahreszeit variieren. Um diese beiden Eigenschaften gemeinsam zu beschreiben, schlagen wir ein saisonal periodisches Langzeitgedächtnismodell vor und passen es an die bekannten Fraser-Flussdaten an (die von Statlib unter lib. stat. cmu. edudatasets zu beziehen sind). Wir bieten eine statistische Analyse und bieten Impulsantwort-Funktionen, um zu zeigen, dass Schocks in bestimmten Monaten des Jahres eine länger anhaltende Wirkung als die in anderen Monaten haben. Langzeitgedächtnis, PARFIMA, SPARFIMA 1 Einleitung Seit den frühen Arbeiten von Hurst auf Nil-Daten ist es bekannt, dass Flussflüsse anhaltende Fluktuationen aufweisen, die durch lange Erinnerungen gekennzeichnet sein können. Zusätzlich zum langen Gedächtnis zeigen die meisten Flussflußdatenanzeige ausgeprägte Saisonalität, sowohl im Mittel als auch in der Abweichung. Von Paul L. Anderson, Mark M. Meerschaert, Aldo V. Vecchia - Proceedings of the IEEE Sonderausgabe über Kryptographie und Sicherheitsprobleme. 2004. Periodische ARMA oder PARMA, Zeitreihen werden verwendet, um periodisch stationäre Zeitreihen zu modellieren. In diesem Papier entwickeln wir den Innovationsalgorithmus für periodisch stationäre Prozesse. Wir zeigen dann, wie der Algorithmus verwendet werden kann, um Parameterschätzungen für das PARMA-Modell zu erhalten. Diese Schätzungen sind prov. Periodische ARMA oder PARMA, Zeitreihen werden verwendet, um periodisch stationäre Zeitreihen zu modellieren. In diesem Papier entwickeln wir den Innovationsalgorithmus für periodisch stationäre Prozesse. Wir zeigen dann, wie der Algorithmus verwendet werden kann, um Parameterschätzungen für das PARMA-Modell zu erhalten. Diese Schätzungen sind für PARMA-Prozesse, deren zugrunde liegende Rauschsequenz entweder endliches oder unendliches viertes Moment ist, als schwach konsistent erwiesen. Da viele Zeitreihen aus den Bereichen Ökonomie und Hydrologie schwere Schwänze aufweisen, sind die Ergebnisse des unendlichen vierten Momentenfalles von besonderem Interesse. Von Paul L. Anderson, Mark M. Meerschaert - Zeitschrift für Zeitreihenanalyse. 2003. Der Innovationsalgorithmus kann verwendet werden, um Parameterschätzungen für periodisch stationäre Zeitreihenmodelle zu erhalten. In diesem Papier berechnen wir die asymptotische Verteilung für diese Schätzungen für den Fall, dass die Innovationen ein endliches viertes Moment haben. Diese asymptotischen Ergebnisse sind nützlich, um zu bestimmen. Der Innovationsalgorithmus kann verwendet werden, um Parameterschätzungen für periodisch stationäre Zeitreihenmodelle zu erhalten. In diesem Papier berechnen wir die asymptotische Verteilung für diese Schätzungen für den Fall, dass die Innovationen ein endliches viertes Moment haben. Diese asymptotischen Ergebnisse sind nützlich, um zu bestimmen, welche Modellparameter signifikant sind. Dabei entwickeln wir auch Asymptotiken für die Yule-Walker-Schätzungen. 1 von A. I. Mcleod. 1993. dieses Papier. Diese Diagnoseprüfung wird für die routinemäßige Verwendung von saisonalen ARMA-Modellen empfohlen. Es wird gezeigt, dass diese diagnostische Überprüfung zeigt, dass viele saisonale ökonomische Zeitreihen auch periodische Korrelation aufweisen. Da die Standard-Prognosemethoden hierfür nicht ausreichen, dieses Papier. Diese Diagnoseprüfung wird für die routinemäßige Verwendung von saisonalen ARMA-Modellen empfohlen. Es wird gezeigt, dass diese diagnostische Überprüfung zeigt, dass viele saisonale ökonomische Zeitreihen auch periodische Korrelation aufweisen. Da die Standardprognosemethoden hierfür nicht ausreichen, lässt sich feststellen, dass die Prognosen in vielen Fällen nicht optimal sind. Schließlich wird auch eine Begrenzung der willkürlichen Kombination von Prognosen dargestellt. Das Kombinieren von Prognosen aus einem adäquaten sparsamen Modell mit einem unzureichenden Modell verbesserte nicht die Prognosen, während die Kombination der beiden Prognosen von zwei unzureichenden Modellen eine Verbesserung bei der Prognose der Leistung lieferte. Diese Befunde unterstützen auch die Modellbauphilosophie von Box ampamp Jenkins. Die nicht-intuitive Befunde von Newbold ampamp Granger (1974) und Winkler ampamp Makridakis (1983), dass die scheinbar willkürliche Kombination von Prognosen von ähnlichen Modellen zur Prognoseperformance führen wird, wird von unserer Fallstudie mit der Flussflussvorhersage nicht unterstützt. Schlüsselwörter: Kombinierte Prognosen Diagnostische Kontrolle Periodische Korrelation Prognose Saison Zeitreihe Modell Adequacy Parameter Parsimony. 1 von Abdelhakim Aknouche, Abdelouahab Bibi. 709. Dieses Papier stellt die starke Konsistenz und die asymptotische Normalität des Quasi-Maximum-Likelihood-Schätzers (QMLE) für einen GARCH-Prozess mit periodisch zeitveränderlichen Parametern her. Wir geben zunächst eine notwendige und hinreichende Bedingung für die Existenz einer streng periodisch stationären Lösung. Dieses Papier stellt die starke Konsistenz und die asymptotische Normalität des Quasi-Maximum-Likelihood-Schätzers (QMLE) für einen GARCH-Prozess mit periodisch zeitveränderlichen Parametern her. Wir geben zunächst eine notwendige und hinreichende Bedingung für die Existenz einer streng periodisch stationären Lösung für die periodische GARCH (P-GARCH) - Gleichung. Als Ergebnis wird gezeigt, dass das Moment einer positiven Ordnung der P-GARCH-Lösung endlich ist, unter der wir die starke Konsistenz und asymptotische Normalität (CAN) des QMLE ohne jegliche Bedingung für die Momente des zugrunde liegenden Prozesses beweisen. Von Philip Hans Franses, Richard Paap. 2005. Dieses Kapitel befasst sich mit der Prognose von univariaten saisonalen Zeitreihendaten unter Verwendung von periodischen autoregressiven Modellen. Wir zeigen, wie Faktorenwurzeln und deterministische Begriffe bei der Erstellung von Prognosen berücksichtigt werden sollen. Wir illustrieren die Modelle für die vierteljährlichen britischen Verbrauchsreihen Thi. Dieses Kapitel beschäftigt sich mit der Prognose von univariaten saisonalen Zeitreihendaten unter Verwendung von periodischen autoregressiven Modellen. Wir zeigen, wie man die Wurzeln der Einheiten und die deterministischen Ausdrücke bei der Erstellung von Prognosen berücksichtigen soll. Wir illustrieren die Modelle für die vierteljährlichen britischen Verbrauchsreihen Kapitel, das für die potenzielle Integration in den Companion to Economic Forecasting, herausgegeben von Michael Clements und David Hendry, vorbereitet werden soll Oxford Basil von M. Karanasos, AG Paraskevopoulos, S. DafnosHidden periodische autoregressive - gleitende Durchschnittsmodelle in Zeitreihendaten Zitate Referenzen 0 für Frühere Arbeiten siehe ua Gladyshev (1961) und Jones und Brelsford (1967). Tiao und Grupe (1980) veranschaulichten die Tücken der Ignorierung des periodischen Verhaltens in der Zeitreihenmodellierung. Empirische Hinweise, die die Nützlichkeit von PARMA-Modellen unterstützen, wurden von vielen Autoren dokumentiert, siehe beispielsweise Vecchia (1985a, 1985b), Salas und Obeysekera (1992), Lund (2006), Tesfaye et al. (2006) für Anwendungen für Streamflow-Reihen, Bloomfield et al. (1994), Lund et al. (2006) auf Umweltdaten, Osborn und Smith (1989) auf Wirtschaftsdaten und Gardner und Spooner (1994) für Anwendungen in der Signalverarbeitung. Zusammenfassung der Ergebnisse Zusammenfassung ABSTRAKT: Ziel dieser Arbeit ist es, die asymptotischen Eigenschaften von WLS-Schätzungen für kausale und invertierbare periodische autoregressive Moving Average (PARMA) Modelle mit nicht korrelierten, aber abhängigen Fehlern zu untersuchen. Unter milden Annahmen wird gezeigt, dass die WLS-Schätzer von PARMA-Modellen stark konsistent und asymptotisch normal sind. Sie erweitert Theorem 3.1 von Basawa und Lund (2001) auf kleinste Quadrate Schätzung von PARMA-Modellen mit unabhängigen Fehlern. Es ist ersichtlich, daß die asymptotische Kovarianzmatrix der WLS-Schätzer, die unter abhängigen Fehlern erhalten werden, im allgemeinen anders ist als bei unabhängigen Fehlern. Die Auswirkungen können auf den Standardinduzierungsmethoden, die auf unabhängigen Fehlern basieren, dramatisch sein, wenn diese abhängig sind. Beispiele und Simulationsergebnisse verdeutlichen die praktische Relevanz unserer Ergebnisse. Ein Antrag auf Finanzdaten wird ebenfalls vorgelegt. Artikel Nov 2011 Christian Francq Roch Roy Abdessamad Saidi quot), für alle nicht negativ Integer k. Bei s 1 ist die Bedingung der periodischen Stationarität äquivalent zur üblichen Bedingung für homogene Prozesse (Tiao und Grupe 33). ZUSAMMENFASSUNG: Dieses Papier schlägt ein robustes Schätzverfahren für die Parameter der periodischen AR (PAR) Modelle vor, wenn die Daten additive Ausreißer enthalten. Die vorgeschlagene robuste Methodik ist eine Erweiterung der robusten Skalen - und Kovarianzfunktionen in Rousseeuw und Croux (1993) 28 und Ma und Genton (2000) 23, um die Periodizität zu berücksichtigen. Diese periodischen robusten Funktionen werden in den YuleWalker-Gleichungen verwendet, um robuste Parameterschätzungen zu erhalten. Die asymptotischen zentralen Grenzwertsätze der Schätzer werden etabliert und ein umfangreiches Monte Carlo Experiment wird durchgeführt, um die Leistungsfähigkeit der robusten Methodik für periodische Zeitreihen mit endlichen Probengrößen zu bewerten. Die vierteljährlichen Fraser River-Daten wurden als Beispiel für die Anwendung der vorgeschlagenen robuste Methodik verwendet. Alle hier vorgestellten Ergebnisse liefern eine starke Motivation zur Anwendung der Methodik in praktischen Situationen, in denen periodisch korrelierte Zeitreihen additive Ausreißer enthalten. Volltext Artikel Okt 2010 A. J.Q. Sarnaglia V. A. Reisen C. Lvy-Leduc quotSur le plan statistique. Über parle propos de ces modles de priodicit cache. En effet (Tiao et Grupe, 1980)), die in der Literatur beschrieben wurden, wurden in der vorliegenden Arbeit untersucht. Que des unfälle bien localiss. Zusammenfassung Abstract Zusammenfassung ABSTRAKT: Die Analyse der Saisonalität in der Ökonomie und die Entwicklung der neuen saisonalen Anpassungsverfahren haben in den letzten zwanzig Jahren neue Richtungen verfolgt. Wir untersuchen diese Frage durch die Arbeit der Banque de France (Monetäre Statistik und Studienverwaltung), um neue saisonbereinigte (SA) Daten zu erstellen. Eine kurze Diskussion der akademischen Literatur zeigt die Notwendigkeit, die bestehende Software mit empirischen Regeln zu vervollständigen, die vom Praktiker festgelegt wurden, um alle methodischen Entscheidungen klar zu machen und so jede Zweideutigkeit zu vermeiden. Bei der Umsetzung des neuen Produktionsprozesses konzentrieren wir uns auf die Revisionspolitik einiger Schlüsselparameter des gesamten Prozesses, um die nachträglichen Revisionen bei der Veröffentlichung von SA-Daten zu minimieren. Wir veranschaulichen diese neue Methode der SA-Reihe in Bezug auf monetäre Aggregate, einschließlich Darlehen für Unternehmen und Haushalte, und bieten eine detaillierte Analyse der Konsistenz zwischen den Strömen und den ausstehenden Beträgen, die für die monetären Finanzdaten besonders relevant sind. Volltext-Artikel Apr 2008