Large Spillover Networks of Nonstationary Systems
非平稳系统的大规模溢出网络AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以非平稳系统的向量误差修正模型和预测误差方差分解构造溢出网络，直接涉及时间序列与 VAR 方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
非平稳系统的大规模溢出网络
- 研究问题
- 研究如何为大型非平稳宏观经济或金融系统构造一致的溢出网络，并把协整动态模型与网络拓扑表示联系起来。
- 方法与思路
- 作者在向量误差修正框架中使用逐元素 Lasso 型方法选择模型，以预测误差方差分解构造网络，并提出估计精化策略。
- 材料陈述的贡献
- 摘要称，方法具备模型选择和网络估计的渐近结果，并讨论相关创新项；模拟及 OECD 汇率应用展示其有限样本用途。
- 阅读关注点
- 应核对维数与样本量的渐近设定、协整结构处理、方差分解到网络的映射，以及相关创新项需要的修改。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要，不能把中低维模拟表现推广至任意高维系统；具体假设与后续刊本变化未核验。
原文摘要
This article proposes a vector error correction framework for constructing large consistent spillover networks of nonstationary systems grounded in the network theory of Diebold and Y ilmaz. We aim to provide a tailored methodology for the large nonstationary (macro)economic and financial system application settings avoiding technical and often hard to verify assumptions for general statistical high-dimensional approaches where the dimension can also increase with sample size. To achieve this, we propose an elementwise Lasso-type technique for consistent and numerically efficient model selection of VECM, and relate the resulting forecast error variance decomposition to the network topology representation. We also derive the corresponding asymptotic results for model selection and network estimation under standard assumptions. Moreover, we develop a refinement strategy for efficient estimation and show implications and modifications for general dependent innovations. In a comprehensive simulation study, we show convincing finite sample performance of our technique in all cases of moderate and low dimensions. In an application to a system of FX rates, the proposed method leads to novel insights on the connectedness and spillover effects in the FX market among the OECD countries.