Principal Component Analysis for a Mix of Stationary and Nonstationary Variables
平稳与非平稳变量混合情形下的主成分分析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：摘要明确提取混合平稳性序列的共同周期因子，并应用于宏观数据，直接对应宏观因子模型与时间序列。
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
平稳与非平稳变量混合情形下的主成分分析
- 研究问题
- 面对同时包含平稳和非平稳变量的数据，如何提取共同周期因子，而无需预先判断哪些变量非平稳及其具体形式？
- 方法与思路
- 作者提出面向混合平稳性变量的共同周期因子提取程序，并使用 FRED-MD 宏观数据与传统主成分分析作应用比较。
- 材料陈述的贡献
- 摘要称方法无需预先识别非平稳变量及非平稳类型，应用中具有类似传统主成分分析的益处并带来额外优势。
- 阅读关注点
- 应核对共同周期因子的定义、非平稳成分如何处理、允许的非平稳形式，以及额外优势的具体指标与比较结果。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核验；摘要非常简短，未说明算法、理论条件或额外优势，不能据此判断稳健性。
原文摘要
This paper develops a procedure for uncovering the common cyclical factors that drive a mix of stationary and nonstationary variables. The method does not require knowing which variables are nonstationary or the nature of the nonstationarity. An application to the FRED-MD macroeconomic dataset demonstrates that the approach offers similar benefits to those of traditional principal component analysis with some added advantages.