Estimation of fractionally integrated panels with fixed effects and cross-section dependence
含固定效应与横截面依赖的分数阶单整面板估计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：摘要同时涉及异质面板、分数阶单整的持久性建模，以及已实现波动率持久性的应用。
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
含固定效应与横截面依赖的分数阶单整面板估计
- 研究问题
- 在具有固定效应、共同因子及分数阶单整数据和误差的异质面板中，如何估计斜率与误差记忆参数，并处理横截面依赖？
- 方法与思路
- 作者提出个体斜率估计与共同相关估计，并从回归残差估计误差记忆参数；模型以共同因子描述横截面依赖及持久性。
- 材料陈述的贡献
- 摘要称，个体参数估计量具有 T 阶收敛率、渐近正态性且相互渐近不相关，这些结论不依赖去因子后变量之间是否协整。
- 阅读关注点
- 核对分数阶单整参数的范围、共同因子的处理方法，以及不同协整情形下收敛率、残差记忆参数估计和推断如何成立。
- 阅读边界
- 仅据所给出版社摘要，无法确定因子与记忆参数的具体条件或估计步骤；已实现波动率应用未报告数据范围及具体数值结果。
原文摘要
We consider a large N,T heterogeneous panel data model with fixed effects, common factors allowing for cross-section dependence, and persistent data and errors, which are assumed fractionally integrated. We propose individual and common-correlation estimates for the slope parameters while error memory parameters are estimated from regression residuals. The individual parameter estimates are all T consistent, asymptotically normal and mutually uncorrelated, irrespective of cointegration between defactored observables. A study of small-sample performance and an empirical application to realized volatility persistence are included.