INSTRUMENTAL VARIABLES INFERENCE IN A SMALL-DIMENSIONAL VAR MODEL WITH DYNAMIC LATENT FACTORS
含动态潜在因子的小维度 VAR 模型中的工具变量推断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：摘要明确结合 VAR 与动态潜在共同因子，并将欧洲股票指数日度已实现波动率的共同变动和溢出作为应用。
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
含动态潜在因子的小维度 VAR 模型中的工具变量推断
- 研究问题
- 在含动态不可观测共同因子的小维度 VAR 中，如何识别和估计直接动态作用、共同因子响应及模型阶数？
- 方法与思路
- 作者从观测过程自协方差识别状态空间参数，以特征值分解和线性工具变量进行闭式多步估计，并构造秩检验。
- 材料陈述的贡献
- 摘要称建立参数识别及估计、秩检验的渐近与有限样本性质，并用四个欧洲股指的日度已实现波动率说明应用。
- 阅读关注点
- 应核对自协方差识别的唯一性条件、因子归一化、VAR 阶数选择及规格检验，并辨析动态作用与因果解释的条件。
- 阅读边界
- 仅据所给 Crossref 摘要，不能直接确认溢出效应具有因果含义；识别细节、应用数值及其他版本变化均未说明。
原文摘要
We study semiparametric inference in a small-dimensional vector autoregressive (VAR) model of order p augmented by unobservable common factors with a dynamic described by a VAR process of order q . This state-space specification is useful to measure separately the direct causality effects and the responses to dynamic common factors. We show that the state-space parameters are identifiable from the autocovariance function of the observed process. We estimate the model by means of a multistep procedure in closed-form, which combines an eigenvalue–eigenvector matrix decomposition and a linear instrumental variable estimation allowing for Hansen–Sargan specification tests. We study the asymptotic and finite-sample properties of the parameter estimators and of rank tests for selecting the number of unobservable factors and VAR orders. In an empirical illustration, we investigate the dynamic common factors and the spillover effects that explain the co-movements among the log daily realized volatilities of four European stock market indices.