高维因子增广向量自回归（FAVAR）模型的正则化估计
统计方法学
2020-06-02 v2 计量经济学
摘要
因子增广向量自回归（FAVAR）模型由一个 VAR 方程和一个校准方程定义：VAR 方程刻画一组观测变量 与潜在因子 之间的领先-滞后相关关系，校准方程则将另一组观测变量 与 和 联系起来。后一方程用于估计因子，随后这些因子被用于估计 VAR 系统的参数。FAVAR 模型在应用经济研究中已变得流行，因为它可通过校准方程将大量关注变量归纳为少数几个因子，进而通过 VAR 方程考察它们对核心关注变量的影响。然而，在纳入另一高维变量集信息的同时考察大量时间序列之间领先-滞后关系的需求日益增长。因此，本文在高维尺度下研究 FAVAR 模型。我们为模型参数引入适当的识别约束，将其纳入所构造的优化问题后可得到具有良好统计性质的估计。此外，我们应对了若干技术挑战，这些挑战源于 VAR 系统模型参数的估计基于估计量而非直接观测量这一事实。所提估计量的性能在合成数据上进行了评估。进一步，该模型应用于商品价格，揭示了价格与从一组全球宏观经济指标中提取的因子之间有趣且可解释的关系。
引用
@article{arxiv.1912.04146,
title = {Regularized Estimation of High-dimensional Factor-Augmented Vector Autoregressive (FAVAR) Models},
author = {Jiahe Lin and George Michailidis},
journal= {arXiv preprint arXiv:1912.04146},
year = {2020}
}