The Cointegrated Matrix Autoregressive Model
协整矩阵自回归模型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：摘要明确研究协整、误差修正与矩阵自回归表示，属于时间序列建模。
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…
协整矩阵自回归模型
- 研究问题
- 当观测按两个分类维度组织为矩阵时，如何构建保留数据结构的协整与误差修正模型，同时保持向稳态调整的经济解释？
- 方法与思路
- 作者在矩阵自回归建模基础上提出针对矩阵数据的误差修正表示，并与已有方法比较，强调其与矩阵自回归表示的等价性。
- 材料陈述的贡献
- 摘要称，新模型保留传统协整分析中调整系数的解释，并使误差修正与自回归两种表示均保持原有矩阵数据结构。
- 阅读关注点
- 应核对矩阵协整秩、参数限制和长期关系的定义，以及两种表示等价的具体条件与相较已有模型的结构差异。
- 阅读边界
- 这是预印本，同行评审未经核实。摘要未说明估计方法、检验理论或实证表现，表示等价不能直接推导出估计效率优势。
原文摘要
Traditional econometric analyzes represent observations as vectors despite the inherent complexity of empirical data structures. When data are organized along dual classification dimensions, a matrix representation provides a more natural and interpretable framework. Building on recent advances in matrix autoregressive (MAR) modeling, this study introduces a novel error correction representation tailored for matrix-structured data. Through comparative analysis with existing methodologies, we demonstrate two critical advancements. First, the proposed model preserves the interpretative foundations of conventional cointegration analysis, with coefficients that explicitly capture dynamics rooted in adjustment toward steady-state positions. Second, in contrast to previous formulations, our error correction framework allows for an equivalent matrix autoregressive representation, preserving the fundamental structure of the data in both specifications. This ensures that the matrix representation reflects an intrinsic characteristic of the data.