具有辅助网络数据的稀疏诱导全局矩阵自回归模型
机器学习
2025-03-12 v1 机器学习
统计方法学
摘要
联合建模和预测大量国家间的经济与金融变量长期以来是一项重大挑战。为解决这一问题，已利用两种主要方法：带外生变量的向量自回归模型（VARX）和矩阵自回归（MAR）。VARX模型捕捉国内依赖关系，但将外生变量视为由国际贸易驱动的全球因素。相比之下，MAR模型同时考虑多国变量但忽略了贸易网络。在本文中，我们提出了MAR模型的一个扩展，同时实现这两个目标，即研究国际依赖关系以及贸易网络对全球经济的影响。此外，我们向模型引入稀疏成分以区分系统性交叉可预测性与特异性交叉可预测性。为估计模型参数，我们提出了似然估计方法和偏差校正的交替最小化版本。我们提供了模型特性的理论与实证分析，并展示了从我们的发现中得出的引人入胜的经济洞察。
引用
@article{arxiv.2503.08579,
title = {Sparsity-Induced Global Matrix Autoregressive Model with Auxiliary Network Data},
author = {Sanyou Wu and Dan Yang and Yan Xu and Long Feng},
journal= {arXiv preprint arXiv:2503.08579},
year = {2025}
}