当前位置:首页 > 经贸印象 > 正文

【学术前沿】李鲲鹏研究团队就极大似然分析发表多篇研究成果

发布日期:2017-01-10 | 来源: 作者:经贸印象 阅读次数: 分享

编者按

回顾“十二五”,首经贸秉承改革发展的理念,高层次项目取得重大突破,承接各类研究课题1428项,其中,国家社会科学基金项目94项、国家自然科学基金项目45项,并且首次实现国家级项目全覆盖。2016年是“十三五”规划的开局之年,也是我校加快建设“国内一流、国际知名”财经大学的攻坚之年。站在这一新的历史起点上,新闻中心特此推出《学术前沿》专栏,对“十二五”期间我校国家自然科学基金、国家社会科学基金等已结项课题所取得的阶段性成果进行展示。通过回顾过去取得的良好成绩,进一步鼓舞教研人员,力争“十三五”迈上新台阶。

 

随着数据采集、分析、加工以及存储水平的提高,以高维、高频为特征的大数据深刻影响着当前经济学研究的方方面面。作为高维数据的主要降维工具,高维因子模型日益受到计量经济学家的重视。然而,现有的高维因子分析主要集中于主成分分析方法,更一般的极大似然分析方法仅仅在最近几年的文献中才给予关注。

国际经济管理学院副教授李鲲鹏研究团队的国家自然科学基金项目《高维近似因子模型的极大似然分析:理论与方法》紧紧追踪这一新兴的研究课题,系统地研究了因子空间存在动态联系和/或误差扰动项存在动态联系时、因子空间存在条件异方差效应时、因子空间部分可观测并存在自相关结构时、观测数据的线性组合存在因子结构时,相关模型的估计与统计推断问题。研究发现:因子空间存在动态联系和/或误差扰动项存在动态联系时,基于动态关系,由极大似然方法提供的对宏观经济变量的预测区间是合意的,甚至可能是最有效的;数据中广泛存在的条件波动性,可能是由一个低维空间的条件波动性在扩散效应下的结果,某些特定的金融数据提供了对这一结论的强烈支持;因子空间部分可观测时,参数的识别问题仍然存在,在合理的识别条件下,其估计的准确程度要比我们想象地要差;在观测数据的线性组合存在因子结构,极大似然分析仍然可以使用,并且对横截面异方差所导致的伴随参数问题有效。其理论成果对于宏观经济预测、政策效果评价、金融资产组合与预测以及经济事实解释等方面,有着重要的意义。

截止目前,该项目的研究取得了较为丰富的研究成果。相关理论成果陆续发表在了国际顶尖的经济学、统计学期刊上,包括Annals of Statistics, Review of Economics and Statistics, Journal of Business and Economics Statistics, Economics Letters等。其中,项目申请书中提到的主要研究内容以《Maximum likelihood estimation and inference of approximate factor models of high dimension》为题发表在《The Review of Economics and Statistics2016年第2期上。《Review of Economics and Statistics》由哈佛大学肯尼迪学院主办的,拥有98年创刊史,是公认的经济学十大顶尖期刊之一。


策划:杨俊

文稿:李鲲鹏

封面:学通社姜蔓芮

返回首页 | 关闭