Simultaneous Clustered Orthogonalization
同时聚类正交化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：摘要明确围绕向量自回归的冲击正交化、识别矩阵及结构分解展开，直接对应VAR与局部投影细分中的VAR方向。
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…
同时聚类正交化
- 研究问题
- VAR冲击识别中，如何保留具有经济意义的组内同期相关，同时联合施加组间正交约束，并消除对分组排序的依赖？
- 方法与思路
- 作者提出同时聚类正交化，将相关性最大化识别问题转化为相关空间中的二次矩阵方程，进而求得闭式识别矩阵。
- 材料陈述的贡献
- 摘要称识别矩阵是唯一全局最大化解，方法具有顺序与尺度不变性，并将广义识别和完全同时正交化纳为特例。
- 阅读关注点
- 应核对相关性目标、解存在与唯一性的条件，以及分组如何确定、组内相关如何保留和结构分解如何获得经济解释。
- 阅读边界
- 这是arXiv预印本，同行评审或接收未核实；摘要未给分组选择依据与实证结果，排序不变性本身不能验证冲击的经济含义。
原文摘要
Identification in vector autoregressions involves two distinct choices: how extensively to orthogonalize shocks and whether orthogonality is imposed sequentially or simultaneously. Generalized identification imposes no orthogonality; Sims (1980} imposes full orthogonality sequentially; Francis et al. (2026) impose full orthogonality simultaneously; and Buchwalter et al. (2026a) provide clustered partial orthogonalization sequentially. We fill the remaining case by developing simultaneous clustered orthogonalization (SCO). SCO preserves contemporaneous dependence within economically meaningful clusters while imposing orthogonality across clusters jointly, thereby eliminating dependence on cluster ordering. We formulate the associated correlation-maximizing identification problem and show that, in correlation space, it reduces to a quadratic matrix equation. This yields a closed-form solution, and we prove that the associated identification matrix is the unique global maximizer. SCO is order- and scale-invariant and nests generalized identification and full simultaneous orthogonalization as special cases, yielding a flexible family of structural decompositions indexed by the number and composition of clusters.