动态因子模型中的异常值

动态因子模型在计量经济学和应用经济学中有着广泛的应用。其基本动机在于它们能够将大量时间序列简化为少数几个指标（因子）。如果时间序列的数量相对于可用观测值数量很大，则大部分信息可以传递给因子。通过这种方式，可以估计低维模型来解释和预测一个或多个感兴趣的时间序列。理想情况下，估计应使用无异常值的时间序列。在实践中，由于外部异常事件或严重的数据录入错误等原因，异常观测值很可能在未知日期出现。现有多种时间序列异常值检测方法。然而，大多数方法适用于单变量时间序列，即使是专为处理多变量框架设计的方法也未明确包含动态因子模型。本文介绍了一种基于观测数据线性变换的发现动态因子模型中异常值出现的方法。讨论了一些分离添加到模型中的异常值与公共分量内异常值的策略。通过对模拟和真实数据集的应用，检验了所提方法的有效性。