Time-varying general dynamic factor models and the measurement of financial connectedness
时变广义动态因子模型与金融关联度测量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：摘要用股票日内数据的共同因子与冲击响应衡量金融关联度及其与金融动荡的联系。
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…
时变广义动态因子模型与金融关联度测量
- 研究问题
- 如何在高维、局部平稳的金融时间序列中估计时变共同冲击响应，并据此衡量不同时间、尺度和行业的金融关联度？
- 方法与思路
- 作者结合动态主成分分析与奇异VAR估计，将单边动态因子估计推广至局部平稳情形，并使用股票日内对数极差面板。
- 材料陈述的贡献
- 摘要称，时变脉冲响应估计在时间和截面维度增长时一致；应用显示长期关联度上升与金融动荡相关，响应存在多维异质性。
- 阅读关注点
- 应核对局部平稳条件、平滑与窗口选择、奇异VAR的识别，以及关联度指标的构造和短期、长期响应的区分。
- 阅读边界
- 仅依据所给出版社摘要；摘要未给出关联度公式和数值结果，关联度与动荡的联系不能直接解释为因果关系或预测能力。
原文摘要
We propose a new time-varying Generalized Dynamic Factor Model for high-dimensional, locally stationary time series. Estimation is based on dynamic principal component analysis jointly with singular VAR estimation, and extends to the locally stationary case the one-sided estimation method proposed by Forni et al. (2017) for stationary data. We prove consistency of our estimators of time-varying impulse response functions as both the sample size T and the dimension n of the time series grow to infinity. This approach is used in an empirical application in order to construct a time-varying measure of financial connectedness for a large panel of adjusted intra-day log ranges of stocks. We show that large increases in long-run connectedness are associated with the main financial turmoils. Moreover, we provide evidence of a significant heterogeneity in the dynamic responses to common shocks in time and over different scales, as well as across industrial sectors.