Analysis of Upstream, Downstream, and Common Firm Shocks Using a Large Factor‐Augmented Vector Autoregressive Approach
以大型因子增广 VAR 分析企业上下游与共同冲击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：摘要明确分析企业上下游网络、股票收益共同因子，并使用因子增广 VAR 研究冲击传导，支持这三个方向。
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
以大型因子增广 VAR 分析企业上下游与共同冲击
- 研究问题
- 企业股票收益中的供应商至用户、用户至供应商及共同因子冲击分别如何传播，剔除共同因素对识别企业联系有何作用？
- 方法与思路
- 作者利用美国股票数据推导企业网络和共同因子，提出两种大型 FAVAR 估计方法，分别侧重计算效率和完整后验分布。
- 材料陈述的贡献
- 摘要称，共同因子解释的收益方差份额上升，供应商冲击更明显，而剔除共同因素对揭示企业联系的重要性也逐渐增加。
- 阅读关注点
- 应核对股票数据如何映射为上下游网络、共同因子与企业冲击如何区分，以及两种估计方法的假设、计算代价和后验结果。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断网络方向的识别依据及传导强度；由股票数据推导的企业联系不能直接视为已验证的生产关系。
原文摘要
ABSTRACT We evaluate the roles of upstream (supplier‐to‐user), downstream (user‐to‐supplier), and common factor shock transmission across firms by deriving interfirm networks and common factors from US equities over 1989–2017. We overcome the econometric challenges of estimating the large factor‐augmented vector autoregressive (FAVAR) system by developing two alternative approaches: one prioritizing computational efficiency and the other providing the full posterior distribution of all model parameters and factors. We find that (i) common factors drive an increasing variance share of returns, (ii) supplier shocks are more evident in equity price movements than downstream exposures, and (iii) removing the impact of common factors is increasingly important for revealing interfirm connections.