Sparsity-Induced Identification of Factor-Augmented VAR Models
通过稀疏性识别因子扩展 VAR 模型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：摘要明确研究因子扩展 VAR、结构冲击及货币政策冲击的脉冲响应。
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
通过稀疏性识别因子扩展 VAR 模型
- 研究问题
- 如何利用因子载荷的稀疏结构识别具有经济含义的因子，并分析结构冲击对因子和全部观测时间序列的影响？
- 方法与思路
- 作者提出稀疏载荷的正则化因子扩展 VAR，允许因子仅作用于部分变量，并联合识别因子模型与 VAR 结构创新。
- 材料陈述的贡献
- 摘要称证明载荷、特异成分协方差、因子及自回归参数估计的一致性，并在货币政策冲击应用中得到符合经济解释的响应。
- 阅读关注点
- 应核对稀疏性如何消除因子识别歧义、正则化参数选择、结构创新的识别限制，以及联合识别对脉冲响应推断的影响。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要；具体识别限制和一致性条件未说明，响应符合经济直觉本身不足以验证冲击识别。
原文摘要
This paper introduces a regularized factor-augmented vector autoregressive (RFAVAR) model which incorporates sparsity in the factor loadings. Within this framework, the factors can load on a subset of variables, thereby enabling factor identification and enhancing their economic interpretation. The proposed RFAVAR model allows to investigate the effects of structural shocks on economically interpretable factors and on all observed time series included in the model. We prove consistency for the estimators of the factor loadings, the covariance matrix of the idiosyncratic component, the factors, and the autoregressive parameters in the dynamic model. In an empirical application, we examine the effects of a monetary policy shock on a broad range of economically relevant variables. The identification of this shock is accomplished through a joint identification of the factor model and the structural innovations in the VAR model. The obtained impulse response functions align with the established economic rationale.