A Distributed Lag Approach to the Generalised Dynamic Factor Model
广义动态因子模型的分布滞后估计方法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：摘要研究高维时间序列的广义动态因子模型，并应用于欧洲宏观数据。
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
广义动态因子模型的分布滞后估计方法
- 研究问题
- 如何避免频域方法而估计广义动态因子模型的动态共同成分，并在同一框架中处理不具广泛横截面影响的弱因子？
- 方法与思路
- 作者用当前及滞后静态广泛因子近似动态共同成分，在有限滞后阶下，以静态主成分提取因子，再回归观测变量得到分解。
- 材料陈述的贡献
- 摘要称，新渐近框架允许弱因子，并建立动态及弱共同成分的一致性和渐近正态性；欧洲宏观数据应用发现部分指标弱成分较大。
- 阅读关注点
- 应核对分布滞后近似误差、有限滞后阶选择、弱因子的强度定义，以及估计因子误差如何进入共同成分的渐近分布。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收均未核实；摘要未说明收敛条件及弱成分的具体占比，不能认定有限滞后表示总是精确。
原文摘要
We propose a simple estimator for the dynamic decomposition of the Generalized Dynamic Factor Model that avoids frequency-domain methods. First, we show that it is a reasonable approximation to assume that the dynamic common component of the Generalized Dynamic Factor Model admits a representation in terms of current and lagged statically pervasive factors. Then, assuming finite lag order, this simplification reduces estimation to a regression of the observed variables on estimated factors and their lags, where the factors are extracted via static principal components. The proposed approach naturally accommodates weak, non-pervasive factors within the dynamic common space. We establish consistency and asymptotic normality for both the dynamic and weak common components under a new asymptotic framework that allows for such weak factors. In an application to three high-dimensional time series panels of European macroeconomic data we detect a sizeable weak common component share in several key macroeconomic indicators.