Dynamic Factor Models: a Genealogy
动态因子模型的谱系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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接梳理服务于高维时间序列分析和预测的动态因子模型。
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
动态因子模型的谱系
- 研究问题
- 动态因子模型如何从高维时间序列分析与预测的需求中发展，其主要变体的假设、解释和渐近思路有何联系？
- 方法与思路
- 作者以历史脉络和模型家谱梳理动态因子方法，强调不同变体的假设与解释，并对照统计学中的尖峰模型渐近思路。
- 材料陈述的贡献
- 摘要所述贡献是勾勒动态因子模型的历史成长和主要分支，帮助理解模型之间的关系，并明确该章节并非全面综述。
- 阅读关注点
- 应核对各模型对共同因子、特质成分和动态结构的限制，以及不同渐近框架与实际估计、预测方法之间的对应。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未经核实；摘要中的有效性比较属于作者概述，未提供统一比较条件或结果。
原文摘要
Dynamic factor models have been developed out of the need of analyzing and forecasting time series in increasingly high dimensions. While mathematical statisticians faced with inference problems in high-dimensional observation spaces were focusing on the so-called spiked-model-asymptotics, econometricians adopted an entirely and considerably more effective asymptotic approach, rooted in the factor models originally considered in psychometrics. The so-called dynamic factor model methods, in two decades, has grown into a wide and successful body of techniques that are widely used in central banks, financial institutions, economic and statistical institutes. The objective of this chapter is not an extensive survey of the topic but a sketch of its historical growth, with emphasis on the various assumptions and interpretations, and a family tree of its main variants.