Constrained Parameterization of Reduced Rank and Co-integrated Vector Autoregression
降秩与协整向量自回归的约束参数化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：摘要直接研究 VAR、单位根、协整与稳定动态的参数化，属于时间序列方法。
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
降秩与协整向量自回归的约束参数化
- 研究问题
- 如何在估计降秩或协整 VAR 时分别控制单位根、稳定根与零根对应的动态，并维持模型预设的根结构？
- 方法与思路
- 作者提出 VAR 矩阵多项式的新因子分解，将不同类型的根分配至相应多项式因子，以构造受根结构约束的参数化。
- 材料陈述的贡献
- 摘要称该参数化允许调整某类根的动态而保持其他根的性质，并支持保持原有根结构的协整空间与降秩 VAR 估计。
- 阅读关注点
- 应核对多项式分解的存在与唯一性、根类别的限制、秩约束实施方法，以及估计后保留根结构的具体保证。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明估计量的统计性质，其中因果性不等于结构因果识别。
原文摘要
The paper provides a parametrization of Vector Autoregression (VAR) that enables one to look at the parameters associated with unit root dynamics and those associated with stable dynamics separately. The task is achieved via a novel factorization of the VAR polynomial that partitions the polynomial spectrum into unit root and stable and zero roots via polynomial factors. The proposed factorization adds to the literature of spectral factorization of matrix polynomials. The main benefit is that using the parameterization, actions could be taken to model the dynamics due to a particular class of roots, e.g. unit roots or zero roots, without changing the properties of the dynamics due to other roots. For example, using the parameterization one is able to estimate cointegrating space with appropriate rank that maintains the root structure of the original VAR processes or one can estimate a reduced rank causal VAR process maintaining the constraints of causality. In essence, this parameterization provides the practitioner an option to perform estimation of VAR processes with constrained root structure (e.g., conintegrated VAR or reduced rank VAR) such that the estimated model maintains the assumed root structure.