IDEAS主页打印自https://ideas.repec.org/p/rtv/ceisrp/452.html
  我的参考书目  保存此纸张

高维空间中的赛马

作者

摘要

本文研究了高维空间中稠密估计和稀疏估计的预测能力。我们提出了一种新的预测方法，称为弹性加权主成分分析（EWPCA），该方法利用弹性网软阈值法，考虑数据之间的共线性，针对目标变量选择变量。然后，我们使用弹性网回归系数对选定的预测因子进行加权，最后将主成分分析应用于新的“弹性”加权数据矩阵。我们将此方法与常用基准和其他方法进行比较，以预测数据丰富环境中的宏观经济变量，并将其划分为稠密表示，例如动态因子模型和岭回归以及稀疏表示，例如LASSO回归。所有这些模型都考虑了宏观经济时间序列的线性相关性。此外，为了估计这些模型（包括EWPCA）的超参数，我们提出了一种称为“蛮力”的新方法。该方法允许我们统一处理模型的所有超参数，并考虑时间序列数据的纵向特征。我们的发现可以总结如下。首先，与文献中用于调整超参数的传统标准相比，用于估计超参数的“蛮力”方法在MSFE方面更稳定，并且具有更好的预测性能。该结果适用于所有样本大小和预测范围。其次，我们的两步预测程序增强了预测的可解释性。最后，在不同的预测范围和样本大小下，EWPCA在均方预测误差（MSFE）方面的预测性能优于其他稀疏密集方法或原始基准。

建议引用

  • 保罗·安德烈尼和多纳托·塞奇，2019年。"高维空间中的赛马,"CEIS研究论文452，托尔韦加塔大学，CEIS，2019年2月14日修订。
    • 手柄：RePEc:rtv:ceisrp:452
    作为

    从出版商下载全文

    文件URL: https://ceistorvergata.it/RePEc/rpaper/RP452.pdf
    文件功能：主要文本
    下载限制：不
    ---><---

    IDEAS上列出的参考文献

    作为
    1. Ledoit，Olivier&Wolf，Michael，2004年。"大维协方差矩阵的良好估计,"多元分析杂志爱思唯尔，第88（2）卷，第365-411页，2月。
    2. Bergmeir，Christoph&Hyndman，Rob J.&Koo，Bonsoo，2018年。"关于评估自回归时间序列预测的交叉验证有效性的一个注记,"计算统计与数据分析爱思唯尔，第120卷（C），第70-83页。
    3. Jushan Bai和Serena Ng，2002年。"确定近似因子模型中的因子数,"计量经济学《计量经济学协会》，第70卷（1），第191-221页，1月。
    4. Michael W.McCracken和Serena Ng，2016年。"FRED-MD：宏观经济研究月度数据库,"商业与经济统计杂志《泰勒与弗朗西斯杂志》，第34卷（4），第574-589页，10月。
    5. Marcellino，Massimiliano&Stock，James H.&Watson，Mark W.，2006年。"宏观经济时间序列预测的直接和迭代多步AR方法比较,"计量经济学杂志，爱思唯尔，第135卷（1-2），第499-526页。
    6. Olivier Ledoit和Michael Wolf，2003年。"亲爱的，我缩小了样本协方差矩阵,"经济学工作论文691，蓬佩法布拉大学经济与商业系。
    7. Bai，Jushan&Ng，Serena，2008年。"使用目标预测因子预测经济时间序列,"计量经济学杂志爱思唯尔，第146（2）卷，第304-317页，10月。
    8. 托马索·普罗埃蒂（Tommaso Proietti），2016年。"宏观经济预测常用因子的选择,"计量经济学进展，in：动态因子模型，第35卷，第593-628页，翡翠集团出版有限公司。
    9. Marta Banbura&Domenico Giannone&Lucrezia Reichlin，2010年。"大型贝叶斯向量自回归,"应用计量经济学杂志，John Wiley&Sons，Ltd.，第25卷（1），第71-92页。
    10. 马里奥·福尼（Mario Forni）、亚历山德罗·乔瓦内利（Alessandro Giovannelli）、马可·里皮（Marco Lippi）和斯特凡诺·索科尔西（Stefano Soccorsi），2018年。"无限维因子空间的动态因子模型：预测,"应用计量经济学杂志John Wiley&Sons，Ltd.，第33卷（5），第625-642页，8月。
    11. De Mol，Christine&Giannone，Domenico&Reichlin，Lucrezia，2008年。"使用大量预测因子进行预测：贝叶斯收缩是主成分的有效替代方法吗？,"计量经济学杂志爱思唯尔，第146（2）卷，第318-328页，10月。
    12. Forni，Mario&Hallin，Marc&Lippi，Marco&Reichlin，Lucrezia，2005年。"广义动态因子模型：单向估计与预测,"美国统计协会杂志，美国统计协会，第100卷，第830-840页，9月。
    13. 马里奥·福尼（Mario Forni）、马克·哈林（Marc Hallin）、马可·里皮（Marco Lippi）和卢克雷齐亚·赖奇林（Lucrezia Reichlin），2000年。"广义动力因素模型：辨识与估计,"经济学与统计学综述麻省理工学院出版社，第82卷（4），第540-554页，11月。
    14. Li，Jiahan和Chen，Weiye，2014年。"预测宏观经济时间序列：基于LASSO的方法及其与动态因素模型的预测组合,"国际预测杂志爱思唯尔，第30卷（4），第996-2015页。
    15. Forni，Mario和Lippi，Marco，2011年。"一般动态因子模型：单面表征结果,"计量经济学杂志爱思唯尔，第163（1）卷，第23-28页，7月。
    16. Alessi，Lucia和Barigozzi，Matteo和Capasso，Marco，2010年。"近似因子模型中确定因子数的改进惩罚,"统计与概率信件爱思唯尔，第80卷（23-24），第1806-1813页，12月。
    17. Kim、Hyun Hak和Swanson，Norman R.，2014年。"使用数据缩减方法预测金融和宏观经济变量：新的经验证据,"计量经济学杂志爱思唯尔，第178卷（P2），第352-367页。
    18. 玛尔塔·班布拉，2008年。"大型贝叶斯VAR,"2008年会议文件334，经济动态学会。
    19. Friedman，Jerome H.&Hastie，Trevor&Tibshirani，Rob，2010年。"广义线性模型的坐标下降正则化路径,"统计软件杂志《开放获取统计基金会》，第33卷（i01）。
    20. 拉斐拉·贾科米尼和芭芭拉·罗西，2010年。"不稳定环境中的预测比较,"应用计量经济学杂志，John Wiley&Sons，Ltd.，第25卷（4），第595-620页。
    21. Stock，James H&Watson，Mark W，2002年。"利用扩散指数进行宏观经济预测,"商业与经济统计杂志，美国统计协会，第20卷（2），第147-162页，4月。
    22. 股票J.H.&Watson M.W.，2002年。"利用大量预测因子的主成分进行预测,"美国统计协会杂志，美国统计协会，第97卷，第1167-1179页，12月。
    完整参考文献 （包括与IDEAS上的项目不匹配的项目）

    最相关的项目

    这些是最常引用与本书相同作品的项目，也被与本书同样的作品引用。
    1. Smeekes，Stephan&Wijler，Etienne，2018年。"使用惩罚回归方法进行宏观经济预测,"国际预测杂志爱思唯尔，第34卷（3），第408-430页。
    2. Marine Carrasco和Barbara Rossi，2016年。"误指定因子模型中的样本内推断与预测,"商业与经济统计杂志《泰勒和弗朗西斯杂志》，第34卷（3），第313-338页，7月。
    3. 马里奥·福尼（Mario Forni）、亚历山德罗·乔瓦内利（Alessandro Giovannelli）、马可·里皮（Marco Lippi）和斯特凡诺·索科尔西（Stefano Soccorsi），2018年。"无限维因子空间的动态因子模型：预测,"应用计量经济学杂志John Wiley&Sons，Ltd.，第33卷（5），第625-642页，8月。
    4. Trucíos、Carlos&Mazzeu、Joáo H.G.&Hotta、Luiz K.&Valls Pereira、Pedro L.&Hallin，Marc，2021年。"鲁棒性与无限维空间的一般动态因子模型：识别、估计和预测,"国际预测杂志爱思唯尔，第37卷（4），第1520-1534页。
    5. 卡洛斯·塞萨尔·特鲁西奥斯·马扎（Carlos Cesar Trucios-Maza）、乔昂·H·G·马祖（Joáo H.G Mazzeu）、路易斯·霍塔（Luis K.Hotta）、佩德罗·瓦尔斯·佩雷拉（Pedro L.Valls Pereira）和马克·哈林。"关于一维空间中一般动态因子模型的稳健性：识别、估计和预测,"ECARES工作文件2019-32，ULB——布鲁塞尔自由大学。
    6. 菲利普·古莱特·库伦（Philippe Goulet Coulombe）、马克西姆·勒鲁克斯（Maxime Leroux）、达利博·斯特瓦诺维奇（Dalibor Stevanovic）和斯特凡·斯普雷南特（Stéphane Surprenant），2022年。"机器学习如何对宏观经济预测有用？,"应用计量经济学杂志，John Wiley&Sons，Ltd.，第37卷（5），第920-964页，八月。
    7. 卢西亚尼，马特奥，2014年。"用近似动态因子模型进行预测：非持续性冲击的作用,"国际预测杂志爱思唯尔，第30卷（1），第20-29页。
    8. Rachidi Kotchoni&Maxime Leroux&Dalibor Stevanovic，2019年。"数据丰富环境下的宏观经济预测准确性,"应用计量经济学杂志，John Wiley&Sons，Ltd.，第34卷（7），第1050-1072页，11月。
    9. Proietti、Tommaso&Giovannelli、Alessandro&Ricchi、Ottavio&Citton、Ambra&Tegami、Christian&Tinti、Cristina，2021年。"在数据丰富的环境中预测GDP及其组成部分：间接方法的优点,"国际预测杂志爱思唯尔，第37卷（4），第1376-1398页。
    10. 芭芭拉·罗西，2019年。"存在不稳定性时的预测：我们如何知道模型是否预测良好以及如何改进它们,"经济学工作论文1711，蓬佩法布拉大学经济与商业系，2021年7月修订。
    11. Oguzhan Cepni&I.Ethem Guney&Norman R.Swanson，2020年。"预测和预测新兴市场GDP增长率：潜在全球经济政策不确定性和宏观经济数据意外因素的作用,"预测杂志，John Wiley&Sons，Ltd.，第39卷（1），第18-36页，一月。
    12. 丹尼斯·希比托夫（Denis Shibitov）和玛丽亚姆·马梅德利（Mariam Mamedli），2021年。"利用数据年份和机器学习技术预测俄罗斯Cpi,"俄罗斯银行工作文件系列wps70，俄罗斯银行。
    13. Mario&Gambetti Forni，Luca，2010年。"货币政策的动态效应：结构因素模型方法,"货币经济学杂志爱思唯尔，第57（2）卷，第203-216页，3月。
    14. Matteo Luciani，2015年。"货币政策与住房市场：结构因素分析,"应用计量经济学杂志，John Wiley&Sons，Ltd.，第30卷（2），第199-218页，3月。
    15. Goulet Coulombe，Philippe&Leroux，Maxime&Stevanovic，Dalibor&Surprenant，Stéphane，2021年。"宏观经济数据转换至关重要,"国际预测杂志爱思唯尔，第37卷（4），第1338-1354页。
      • 菲利普·古莱特·库伦（Philippe Goulet Coulombe）、马克西姆·勒鲁克斯（Maxime Leroux）、达利博·斯特瓦诺维奇（Dalibor Stevanovic）和斯特凡·斯普雷南特（Stéphane Surprenant），2020年。"宏观经济数据转换至关重要,"CIRANO工作文件2020s-42年，CIRANO。
      • Philippe Goulet Coulombe&Maxime Leroux&Dalibor Stevanovic&Stephane Surprenant，2020年。"宏观经济数据转换至关重要,"工作文件2021年3月修订，20-17岁，魁北克大学蒙特利尔管理学院宏观经济和预测系主任。
      • 菲利普·古莱特·库隆贝（Philippe Goulet Coulombe）、马克西姆·勒鲁克斯（Maxime Leroux）、达利博·斯特瓦诺维奇（Dalibor Stevanovic）和圣埃芬·斯普雷南特（St’ephane Surprenant），2020年。"宏观经济数据转换至关重要,"论文2008.01714，arXiv.org，2021年3月修订。
    16. Catherine Doz和Peter Fuleky，2019年。"动态因子模型,"工作文件2019-4年，夏威夷大学经济研究组织，夏威夷大学马诺分校。
    17. Giovannelli、Alessandro和Massacci、Daniele和Soccorsi、Stefano，2021。"用大维因子模型预测股票收益,"实证金融杂志爱思唯尔，第63卷（C），第252-269页。
    18. Kim，Hyun Hak&Swanson，Norman R.，2018年。"使用节约因子、机器学习、变量选择和收缩方法挖掘大数据,"国际预测杂志爱思唯尔，第34卷（2），第339-354页。
    19. 卡洛斯·特鲁西奥斯（Carlos Trucíos）、乔昂·H·G·马祖（Joáo H.G.Mazzeu）、马克·哈林（Marc Hallin）、路易斯·霍塔（Luiz K.Hotta）、佩德罗·瓦尔斯·佩雷拉（Pedro L.Valls Pereira）和毛里西奥·泽。"预测高维时间序列中的条件协方差矩阵：一种通用的动态因子方法,"商业与经济统计杂志《泰勒与弗朗西斯杂志》，第41卷（1），第40-52页，12月。
    20. Raffaella Giacomini和Barbara Rossi，2015年。"非平稳环境中的预测：在简化形式和结构模型中什么有效，什么无效,"经济学年鉴《年度评论》，第7卷（1），第207-229页，8月。

    有关此项目的更多信息

    关键词

    变量选择;高维时间序列;动态因素模型;收缩方法;交叉验证;
    所有这些关键字.

    JEL公司分类：

    • C22型-数学与定量方法——单方程模型；单变量时间序列模型；动态分位数回归；动态治疗效果模型；扩散过程
    • C52型-数学和定量方法——计量经济建模——模型评估、验证和选择
    • 第53页-数学和定量方法——计量经济建模——预测和预测模型；模拟方法
    • C55级-数学和定量方法——计量经济建模——大数据集：建模和分析

    NEP字段

    本文已在以下内容中公布NEP报告:

    统计

    访问和下载统计

    更正

    本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:rtv:ceisrp:452。请参阅一般信息关于如何更正RePEc中的材料。

    如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。

    如果CitEc公司识别了书目参考，但没有将RePEc中的项目链接到它，您可以帮助这个表格.

    如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是该项目的注册作者，您可能还想查看您的RePEc作者服务个人资料，因为可能有一些引文等待确认。

    有关此项目的技术问题，或更正其作者、标题、摘要、参考书目或下载信息，请联系：Barbara Piazzi（以下电子邮件可用）。供应商的一般联系方式：https://edirc.repec.org/data/csrotit.html.

    请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。

    思想是一个经济学研究论文服务。RePEc使用各出版商提供的书目数据。