蛋播视频一区,无码鲁丝一区二区,精品 久久 五月天,国产老熟女,五月草草在线观看,中文日韩欧美,情色一区二区三区,欧美日韩亚洲激情在线,亚洲制服在线香蕉

中山大學嶺南學院程明勉助理教授與美國羅格斯大學（Rutgers University）廖原教授、楊希野副教授合作的論文 《Uniform predictive inference for factor models with instrumental and idiosyncratic betas》于2023年1月在計量經(jīng)濟學領(lǐng)域頂級期刊《Journal of Econometrics》在線發(fā)表。

隨著大數(shù)據(jù)技術(shù)與應(yīng)用的蓬勃發(fā)展，利用高維、高頻的新型結(jié)構(gòu)化數(shù)據(jù)構(gòu)建因子模型并進行經(jīng)濟預測已成為當前經(jīng)濟學研究的熱點。在標準的因子模型框架下，研究人員通常假設(shè)因子載荷（或稱為貝塔β）在較長的時間跨度中保持不變。但近年來越來越多的研究證據(jù)表明，因子載荷實際上是時變的。針對這一問題，本文提出了一個允許因子載荷隨特征變量動態(tài)變化的隱性因子模型，并利用投影主成分分析方法（Projected principal component analysis，P-PCA）對時變的隱性因子和貝塔β進行估計，從而提高了后續(xù)因子增強預測的準確性。同時，本文研究了基于該模型框架下因子預測的一致性統(tǒng)計推斷理論。

具體來說，本文的主要內(nèi)容包括：

(1)在連續(xù)時間框架下，構(gòu)建了具有時變因子載荷的高維隱性因子模型。將因子載荷分解為兩個組成部分：一個是基于可觀測的特征變量的非線性函數(shù)，反映平穩(wěn)的長期動態(tài)；另一個是殘差項，捕捉貝塔β的高頻波動。

(2)提出利用投影主成分分析方法（Projected Principal Component Analysis）進行模型估計。此非參方法有效地利用了特征變量信息，能擬合未知且復雜的非線性函數(shù)，并抑制了貝塔β中的高頻特異性波動對因子估計的影響。

(3)推導了條件均值預測誤差的各主要成分，分析了特異性貝塔誤差（Idiosyncratic Beta Error）這一新增項如何影響總體的因子預測誤差，并構(gòu)建了一致有效的預測區(qū)間。

(4)通過大量蒙特卡洛模擬實驗以及基于真實數(shù)據(jù)的實證預測研究比較了傳統(tǒng)PCA和本文應(yīng)用的P-PCA方法。結(jié)果表明后者可以得到更有效、準確的因子估計量，從而提高了預測的準確性。

本文的創(chuàng)新與貢獻主要體現(xiàn)在以下幾個方面：

第一，在方法上，擴展了標準的因子模型和因子增強預測的研究框架，提出了基于特征變量驅(qū)動的時變因子載荷體系。

第二，在理論上，詳細推導了預測誤差的各個主要成分，揭示了時變負載對因子增強預測的影響。

第三，在實證上，應(yīng)用高頻數(shù)據(jù)證明了P-PCA方法相對于傳統(tǒng)的PCA方法可以得到更穩(wěn)健、準確的估計與預測值。

第四，構(gòu)建了在各種數(shù)據(jù)生成過程下均適用的一致性預測區(qū)間。

本文為因子模型相關(guān)研究的理論創(chuàng)新提供了新的視角與框架，并對高維、高頻特征的新型結(jié)構(gòu)化數(shù)據(jù)應(yīng)用提供了新的方法。

程明勉

中山大學嶺南學院助理教授、科研博士后，2018年畢業(yè)于美國羅格斯大學（Rutgers University），獲得經(jīng)濟學博士學位。主要研究領(lǐng)域為金融計量經(jīng)濟學、時間序列分析與預測、機器學習等。相關(guān)研究成果發(fā)表于《Journal of Econometrics》《Journal of Empirical Finance》《Econometrics》等學術(shù)期刊，并主持國家自然科學基金青年項目。