近日，由西南财经大学数据科学与商业智能联合实验室常晋源教授、博士生杜悦、博士后黄光麟以及伦敦政治经济学院姚琦伟教授合作完成的论文“Identification and estimation for matrix time series CP-factor models”被统计学国际顶级学术期刊《Annals of Statistics》正式接收。

内容简介

本文提出了关于矩阵时间序列 CP 因子模型的一种识别与估计新方法。 Chang et al. (2023, JRSSB) 曾提出基于广义特征分析的估计方法，但其渐近理论依赖矩阵扰动分析，使得当特征值间隔较小时，对应估计量的收敛速度会受到显著影响。与之相比，本文所提出的方法在不依赖特征值间隔的前提下实现了更快的收敛速度。该方法的核心创新之处在于将矩阵时间序列 CP 因子模型的识别与估计问题转化为通过一组线性基函数确定的若干矩阵的联合对角化问题。通过对线性基函数的合理选取，可以有效避免传统方法难以解决的近似共线性问题。不同于 Chang et al. (2023, JRSSB) 要求两个因子载荷矩阵均满足列满秩的严格设定，本文所提出的新方法可以处理两个因子载荷矩阵均不列满秩的情形，具有更广泛的适用场景。数值模拟和实证数据分析验证了所提新方法相较于文献中已有方法的显著优势。

作者简介

常晋源，西南财经大学数据科学与商业智能联合实验室执行主任、光华首席教授、国家杰出青年科学基金获得者。主要从事超高维数据分析和高频金融数据分析两个领域的研究。

杜悦，西南财经大学数据科学与商业智能联合实验室博士。主要从事超高维数据假设检验、矩阵时间序列分析等领域的研究。

黄光麟，西南财经大学数据科学与商业智能联合实验室博士后。主要从事时间序列分析、金融风险管理等领域的研究。

姚琦伟，英国伦敦政治经济学院讲席教授。主要从事时间序列分析、降维和因子建模、动态网络建模、时空建模、金融计量经济学和非参数回归等领域的研究。