Cointegrated Matrix Autoregression Models
协整矩阵自回归模型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：摘要的核心是矩阵值时间序列的协整、自回归建模及渐近估计。
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…
协整矩阵自回归模型
- 研究问题
- 对于具有行列结构的矩阵值时间序列，如何建立保留该结构的协整模型，并估计长期关系及其他动态参数？
- 方法与思路
- 作者为矩阵数据的行列设置双线性协整向量，提出最小二乘和最大似然估计，并研究存在趋势时的渐近分布。
- 材料陈述的贡献
- 摘要称模型保留矩阵结构并便于解释，给出参数渐近结果；模拟及 Fama–French 组合应用展示其表现和配对交易用途。
- 阅读关注点
- 应核对行列协整秩、参数识别与归一化、趋势设定及渐近条件，并检查模拟基准和交易应用的样本外评价。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实；摘要未说明识别条件、模拟改善幅度或交易成本，无法据此判断策略可行性。
原文摘要
We propose a novel cointegrated autoregressive model for matrix-valued time series, with bi-linear cointegrating vectors corresponding to the rows and columns of the matrix data. Compared to the traditional cointegration analysis, our proposed matrix cointegration model better preserves the inherent structure of the data and enables corresponding interpretations. To estimate the cointegrating vectors as well as other coefficients, we introduce two types of estimators based on least squares and maximum likelihood. We investigate the asymptotic properties of the cointegrated matrix autoregressive model under the existence of trend and establish the asymptotic distributions for the cointegrating vectors, as well as other model parameters. We conduct extensive simulations to demonstrate its superior performance over traditional methods. In addition, we apply our proposed model to Fama-French portfolios and develop a effective pairs trading strategy.