MulticolIinearity Problems in Modeling Time Series With Trading-Day Variation
交易日效应时间序列模型中的多重共线性问题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：摘要直接讨论交易日变化影响下的时间序列建模与设计矩阵共线性，对应时间序列方法，未涉及高频金融数据。
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
交易日效应时间序列模型中的多重共线性问题
- 研究问题
- 受交易日变化影响的时间序列模型为何会出现多重共线性，设计矩阵如何反映这一问题，重参数化在什么情形下能够缓解？
- 方法与思路
- 作者分析相关时间序列模型的设计矩阵，计算多重共线性程度，并考察一种常用参数化及相应重参数化的矩阵特征。
- 材料陈述的贡献
- 摘要称，在部分情形下，所讨论的重参数化能明显缓解多重共线性；摘要未给出这些情形的具体条件、指标或改善幅度。
- 阅读关注点
- 核对交易日变量如何编码、重参数化如何构造，以及设计矩阵性质和共线性指标在何种样本与模型设定下发生变化。
- 阅读边界
- 摘要未提供参数估计误差、预测表现或有限样本比较，不能仅凭共线性缓解判断整体模型性能，也不能推广到所有参数化。
原文摘要
This article discusses the multicollinearity problems associated with the estimation of time series models influenced by trading-day variation. An analysis of the design matrix is performed, and measures of the degree of multicollinearity are computed. The characteristics of the design matrix of a popular parameterization are also analyzed, and it is shown that in some cases use of this reparameterization significantly alleviates the multicollinearity problem.