Matrix-Factor-Augmented Regression
矩阵因子增强回归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：摘要明确以矩阵因子增强回归预测宏观变量，直接涉及因子模型与宏观预测。
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…
矩阵因子增强回归
- 研究问题
- 如何利用矩阵型预测变量中多个截面维度的相互关系进行预测，并处理估计因子带来的参数与预测误差？
- 方法与思路
- 作者提出矩阵因子增强回归，先通过投影程序估计矩阵因子，再将其加入回归，并研究参数估计和预测区间。
- 材料陈述的贡献
- 摘要称因子估计误差的影响渐近可忽略，建立参数估计的中心极限定理与预测区间，并报告宏观预测的应用优势。
- 阅读关注点
- 应核对投影估计的具体构造、各维度增长条件、因子误差可忽略的依据，以及预测区间保证和基准比较的设计。
- 阅读边界
- 解读限于所给 OpenAlex 摘要；摘要未说明所谓温和条件、预测区间覆盖性质及实证优势大小，不能推断刊本变化。
原文摘要
As matrix-variate observations are increasingly available, to incorporate the interplay between the multi-cross-sections, we introduce a matrix-factor-augmented regression model (M-FARM) that proposes to predict ahead of time with factors of matrix predictors augmented in the regression. We show that the estimation error in the factor matrices, estimated by the projection procedure in the first step, enters into the estimation error of the regression parameters and the prediction error of the response variable with an asymptotically negligible rate. The central limit theorems of the estimates of the regression parameters are established under some mild conditions. Forecasting intervals with a theoretical guarantee are given. Monte-Carlo simulations justify the theoretical results. We find empirically that the augmented matrix factors do help in forecasting macroeconomic variables relative to the benchmark matrix autoregressive model and vector-factor-augmented regression model (V-FARM).