×
王栋（Wang，Dong）;刘夏璐;陈荣

矩阵值高维时间序列的因子模型。 （英语） Zbl 1452.62684号

《经济学杂志》。 208，第1期，231-248（2019）.
摘要：在金融、经济和许多其他领域，矩阵形式的观察结果经常会随着时间的推移而被观察到。例如，随着时间的推移，许多经济指标都是在不同的国家获得的。随着时间的推移，报告了许多公司的各种财务特征。虽然很自然地会将矩阵观测值转换为长向量，然后使用标准向量时间序列模型或因子分析，但通常情况下，矩阵的列和行表示以非常结构化的方式密切相关的不同信息集。我们提出了一种新的因子模型，该模型保持并利用矩阵结构来实现更大的降维，并找到更清晰、更可解释的因子结构。研究了估计过程及其理论性质，并通过仿真和实例进行了验证。

引用于29文件

MSC公司：

62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62H25个 因子分析和主成分；对应分析
62甲12 多元分析中的估计
62第20页 统计学在经济学中的应用

软件：

FinTS公司
PDF格式BibTeX公司 XML格式引用
\textit{D.Wang}等人，《经济学杂志》。208，编号1，231--248（2019；Zbl 1452.62684）
全文： 内政部 arXiv公司

参考文献：

[1] Bai，J。；Ng，S.，《确定近似因子模型中的因子数》，《计量经济学》，70，1，191-221（2002）·Zbl 1103.91399号
[2] Bollerslev，T.，广义自回归条件异方差，《计量经济学杂志》，31，3，307-327（1986）·Zbl 0616.62119号
[3] 盒子，G.E.P。；Jenkins，G.M.，《时间序列分析、预测和控制》（1976），《霍尔顿日：旧金山霍尔顿日》·Zbl 0363.62069号
[4] Brockwell，P.J。；Davis，R.A.，《时间序列：理论和方法》（1991），斯普林格出版社·Zbl 0709.62080号
[5] 张伯伦，G。；Rothschild，M.，大型资产市场的套利、因子结构和均值方差分析，《计量经济学》，51，5，1281-1304（1983）·Zbl 0523.90017号
[6] Chang，J。；郭，B。；Yao，Q.，具有潜在因素、内生性和非线性的高维随机回归，计量经济学，189,2297-312（2015）·Zbl 1337.62247号
[7] Crainiceanu，C.M。；Caffo，B.S。；罗，S。；Zipunnikov，V.M。；Punjabi，N.M.，人口价值分解，图像人口分析框架，J.Amer。统计师。协会，106，495，775-790（2011）·Zbl 1229.62088号
[8] 丁，C.，叶，J.，2005年。二维地图和图像的二维奇异值分解。In：程序。SIAM Int'L Conf.Data Mining，SDM'05，第32-43页。；丁，C.，叶，J.，2005年。二维地图和图像的二维奇异值分解。In：程序。SIAM Int'L Conf.Data Mining，SDM'05，第32-43页。
[9] Engle，R.F.，英国通货膨胀方差估计的自回归条件异方差，《计量经济学》，59987-1007（1982）·Zbl 0491.62099号
[10] 恩格尔，R.F。；Kroner，K.F.，多元同时广义拱，计量经济学理论，11，1122-150（1995）
[11] Fama，E.F。；French，K.R.，《预期股票回报的横截面》，《金融杂志》，47，427-465（1993）
[12] 范，J。；Liao，Y。；Mincheva，M.，近似因子模型中的高维协方差矩阵估计，Ann.Statist。，39, 6, 3320 (2011) ·Zbl 1246.62151号
[13] 范，J。；Liao，Y。；Mincheva，M.，通过阈值化主正交补码进行大协方差估计，J.R.Stat.Soc.Ser。B统计方法。，75, 4, 603-680 (2013) ·Zbl 1411.62138号
[14] 范，J。；Yao，Q.，《非线性时间序列：非参数和参数方法》（2003），Springer·Zbl 1014.62103号
[15] 弗尼，M。；哈林，M。；里皮，M。；Reichlin，L.，《广义动态因素模型：识别和估计》，《经济评论》。统计，82，4，540-554（2000）
[16] 古普塔，A.K。；Nagar，D.K.，《矩阵变量分布》（2000），查普曼和霍尔/CRC：查普曼&霍尔/CRC博卡拉顿，佛罗里达州·Zbl 0935.62064号
[17] 哈林，M。；Liška，R.，《确定一般动态因子模型中的因子数》，J.Amer。统计师。协会，102，478，603-617（2007）·Zbl 1172.62339号
[18] Kollo，T。；von Rosen，D.，《带矩阵的高级多元统计》（2006），施普林格出版社
[19] Lam，C。；Yao，Q.，高维时间序列的因子建模：因子数量的推断，Ann.Statist。，40, 2, 694-726 (2012) ·Zbl 1273.62214号
[20] Lam，C。；姚，Q。；Bathia，N.，《高维时间序列的潜在因素估计》，《生物统计学》，98，4，901-918（2011）·Zbl 1228.62110号
[21] 冷，C。；Tang，C.Y.，稀疏矩阵图形模型，J.Amer。统计师。协会，107，499，1187-1200（2012）·Zbl 1443.62194号
[22] 刘，X。；Chen，R.，高维时间序列的体制转换因子模型，统计学家。Sinica，26，1427-1451（2016）·Zbl 1356.62149号
[23] Lütkepohl，H.，《多重时间序列分析新导论》（2005），《施普林格：施普林格柏林》·Zbl 1072.62075号
[24] Paatero，P。；Tapper，U.，正矩阵因子分解：一个最佳利用数据方差误差估计的非负因子模型，Biometrika，5，111-126（1994）
[25] 潘，J。；Yao，Q.，通过公共因子建模多个时间序列，Biometrika，95，2，365-379（2008）·Zbl 1437.62574号
[26] Stock，J.H.，Watson，M.W.，2004，《使用多个预测因子的预测方法的实证比较》。In:技术报告，哈佛大学经济系。；Stock，J.H.，Watson，M.W.，2004，《使用多个预测因子的预测方法的实证比较》。收录于：哈瓦德大学经济系技术报告。
[27] Tiao，G.C。；Box，G.E.P.，《用应用程序建模多个时间序列》，J.Amer。统计师。协会，76，376，802-816（1981）·Zbl 0483.62074号
[28] Tiao，G.C.（音译）。；Tsay，R.S.，《多元时间序列模型规范》，J.R.Stat.Soc.Ser。B统计方法。，511572-213（1989年）·Zbl 0693.62071号
[29] Tong，H.，《非线性时间序列分析：动力系统方法》（1990），牛津大学出版社：牛津大学出版社伦敦·Zbl 0716.62085号
[30] Tsay，R.S.，《金融时间序列分析》（2005），威利出版社：威利纽约·Zbl 1086.91054号
[31] Tsay，R.S.，《多元时间序列分析》（2014），Wiley:Wiley New York·Zbl 1279.62012号
[32] 瓦尔登，A.T。；Serroukh，A.，矩阵值时间序列的小波分析，Proc。数学。物理。工程科学。，458, 2017, 157-179 (2002) ·Zbl 1010.62087号
[33] 王，D。；沈，H。；Truong，Y.，《高维矩阵值数据的高效降维》，神经计算，190，25-34（2016）
[34] 沃纳，K。；Jansson，M。；Stoica，P.，关于使用Kronecker乘积结构估计协方差矩阵，IEEE Trans。信号处理。，56, 2, 478-491 (2008) ·Zbl 1390.94472号
[35] 杨，J。；张，D。；Frangi，A.F。；Yang，J.，《二维PCA：基于外观的人脸表示和识别的新方法》，IEEE Trans。模式分析。机器。智力。，26, 1, 131-137 (2004)
[36] Ye，J.，矩阵的广义低秩近似，马赫。学习。，61, 1-3, 167-191 (2005) ·Zbl 1087.65043号
[37] 尹，J。；Li，H.，矩阵正态图形模型中的模型选择和估计，J.多元分析。，107, 119-140 (2012) ·Zbl 1236.62058号
[38] 张，D。；Zhou，Z.，（2D）\（{}^2）PCA:高效人脸表示和识别的双向二维PCA，神经计算，69，1，224-231（2005）
[39] 赵，J。；Leng，C.，《矩阵协变量回归的结构化套索》，统计学家。Sinica，24，799-814（2014）·Zbl 1285.62064号
[40] 周，S.，双子座：矩阵变量正态实例下的图估计，Ann.Statist。，42, 2, 532-562 (2014) ·兹比尔1301.62054
[41] 周，H。；Li，L.，正则化矩阵回归，J.R.Stat.Soc.Ser。B统计方法。，76, 2, 463-483 (2014) ·Zbl 07555458号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。