A Markov-switching dynamic matrix factor model for the high-dimensional matrix time series
高维矩阵时间序列的马尔可夫转换动态矩阵因子模型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。
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：摘要明确以动态矩阵因子建模高维时间序列，服务于预测并应用国际贸易流，直接支持因子模型、时间序列与预测分类。
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…
高维矩阵时间序列的马尔可夫转换动态矩阵因子模型
- 研究问题
- 如何同时描述高维矩阵时间序列的潜在因子与状态转换，用于结构解释和预测，并识别国际贸易中心及其周期变化？
- 方法与思路
- 作者提出马尔可夫转换动态矩阵因子模型，以 EM 算法联合进行准极大似然估计，并用滤波和平滑计算潜在状态与因子的后验期望。
- 材料陈述的贡献
- 摘要称建立参数估计的一致性、收敛率和极限分布，并以模拟及贸易流网络应用展示进口出口中心和中心之间的贸易周期。
- 阅读关注点
- 应核对因子与状态的识别约束、联合估计和 EM 收敛条件，以及渐近理论对应的维度增长方式、贸易周期解释和预测比较。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未经核实；摘要所称温和条件未具体列出，亦未报告模拟或预测改善的数值。
原文摘要
In this study, we propose a novel model called the Markov-switching dynamic matrix factor (Ms-DMF) model, which serves the dual purpose of structural interpretation and prediction for high-dimensional matrix time series. When estimating the parameters of the Ms-DMF model, an EM (expectation maximization) algorithm was used to get a quasi-maximum likelihood estimation, where all the parameters are estimated jointly. A filtering and smoothing algorithm is used to compute the posterior expectations corresponding to the latent regimes and factors. The consistency, convergence rates, and limit distributions of the estimated parameters are established under mild conditions. The effectiveness of this estimation method is also validated by rigorous numerical simulations. Furthermore, we apply the Ms-DMF model to an international trade flow network. Compared to existing matrix factor models, our approach not only identifies the main import and export centers, but also recognizes the trade cycles between these centers. This provides profound insights and analytical capabilities to advance research in the field of international trade.