Detecting Cointegrating Relations in Non-stationary Matrix-Valued Time Series
非平稳矩阵值时间序列的协整关系检测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：摘要明确研究非平稳矩阵时间序列、误差修正模型与协整秩，并包含宏观应用，直接对应时间序列方向。
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
非平稳矩阵值时间序列的协整关系检测
- 研究问题
- 非平稳矩阵时间序列能否分别沿行和列识别长期协整关系，并可靠确定各方向的协整秩以保留矩阵结构？
- 方法与思路
- 作者提出矩阵误差修正模型，允许行与列具有不同的协整关系，利用信息准则选择协整秩，并进行模拟和宏观应用。
- 材料陈述的贡献
- 摘要称，该方法为矩阵值序列提供分别刻画行列协整关系的框架，蒙特卡洛模拟及宏观应用展示了关系数量估计的可靠性。
- 阅读关注点
- 应核对行列协整空间的定义与识别、非平稳阶数和模型限制，以及信息准则的惩罚形式、秩选择条件和比较基准。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未提供秩选择理论、模拟设定和应用结果，不能量化可靠性或适用边界。
原文摘要
This paper proposes a Matrix Error Correction Model to identify cointegration relations in matrix-valued time series. We hereby allow separate cointegrating relations along the rows and columns of the matrix-valued time series and use information criteria to select the cointegration ranks. Through Monte Carlo simulations and a macroeconomic application, we demonstrate that our approach provides a reliable estimation of the number of cointegrating relationships.