.png){kind=icon}
返回
Matrix-Factor-Augmented Regression
.png){kind=icon}
PRE
AI
DOI：10.1080/07350015.2025.2478986.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着矩阵变量观测数据的日益丰富，为纳入多截面间的相互作用，我们引入了一种矩阵因子增强回归模型（M-FARM），该模型提出通过在回归中增强矩阵预测因子的因子来进行前瞻性预测。我们证明了，由第一步投影程序估计的因子矩阵的估计误差，以渐近可忽略的速率进入回归参数的估计误差和响应变量的预测误差中。在若干温和条件下，建立了回归参数估计量的中心极限定理。给出了具有理论保证的预测区间。蒙特卡罗模拟验证了理论结果。我们发现，经验上增强的矩阵因子确实有助于相对于基准矩阵自回归模型和向量因子增强回归模型（V-FARM）进行宏观经济变量的预测。
Keyword:
Forecasting interval
Kronecker product
Matrix factor models
Matrix time series
期刊
J
IF:
2.5
论文数:
96
被引数:
9.1K
机构
引用论文
.png){kind=icon}
Measuring the effects of monetary policy: A factor-augmented vector autoregressive (FAVAR) approach
OAAI
OAAI分享收藏分享收藏
查看更多内容