高维时间序列因子模型的权重校准估计

因子模型在高维时间序列分析中在发现潜在公共组成部分进行降维和信息提取方面发挥着强大的作用。大多数可用的估计方法可分为两类：基于协方差的（在渐近可识别假设下）和基于自协方差的（假设噪声为白噪声）。本文沿用自协方差框架，发展出一种新型的权重校准方法以提高估计性能。该方法采用线性投影来处理高维度，并采用降秩自回归形式。建立了该方法的渐近理论，放宽了白噪声假设。此外，我们首次在文献中提供了关于在因子强度不同的情形下，协方差方法、标准自协方差方法和我们所提出的权重校准自协方差方法之间系统性理论比较。进行了大量仿真实验，以展示我们所提出方法在有限样本性能方面的优越性，并验证了新建立的理论。我们进一步通过分析一个金融数据集和一个宏观经济数据集来说明该方案的优越性。