非线性动态因子模型和函数型时间序列的前沿理论及其应用

We plan to undertake two closely related projects:.(i) The estimation of nonlinear dynamic factor models, along with its large sample property. Dynamic factor models is the most commonly used tools for modeling and analyzing high dimensional time series. However, its current research is still limited to linear models. Our research will develop it into nonlinear models, adopting improved Sequential Monte Carlo method. The motivation for estimating nonlinear dynamic factor models is that, as a tool for analyzing “large data”, dynamic factor models is now a standard economic method and has a wide range of applications in micro-economics aspects. In recent years, it is also a hot research topic in Econometrics. Considering limitation of the existing literature, we will discuss the dynamic factor models in nonlinear and non-parametric framework, which will be a contribution to the literature.. (ii) The estimation of functional time series, along with its large sample property. When functional or distributional observations are observed over time and exhibit dynamic behaviors, time series models in the functional space becomes a necessary and useful tool for analyzing such data. We develop an efficient nonparametric inference procedure for functional time series based on dimension reduction using dynamic factor models. .Furthermore, our project will also apply these frontier approach to study hot economic topic of China, such as "factors affecting housing prices volatility" and "income inequality".

本研究讨论如下两个模型：.(i)非线性动态因子模型的估计方法，并讨论其估计量的大样本性质。动态因子模型是处理高维时间序列数据的有效工具，但通常采用线性结构，本研究拟采用改进的序贯蒙特卡罗方法将模型进一步推广到非线性领域，该研究的意义在于：作为分析“大数据”的重要工具，动态因子模型在经济学的各个分支有着广泛的应用，也是近年来计量经济学研究的热点，我们在非线性、非参数的假设下研究这一问题弥补了现有文献的不足。.(ii)函数型时间序列的非参数估计方法，并讨论其估计量的大样本性质。当观测值的分布函数随时间变化并呈现出动态特征时，函数型时间序列就成为一类重要的分析或预测工具。本课题拟采用动态因子模型作为降维工具，对函数型时间序列进行估计。.更进一步，本课题还将这些前沿的方法应用于研究中国的热点经济问题，如“房价波动的影响因素”与“收入不平等”问题的深入探索。

本项目系统研究了非线性动态因子模型和函数型时间序列的估计问题，并对系列理论模型结合中国实际问题进行了深入探讨。本研究的理论部分主要有：（1）将因子模型与综合评价相结合，将综合指数看成因子模型中的共同因子。对专家咨询约束下主客观赋权的综合评价方法深入研究，将专家咨询信息通过惩罚项的形式融入到传统主成分分析的估计中，构建专家咨询约束下主客观赋权综合评价方法的理论模型。（2）将综合评价从静态综合评价拓展到动态综合评价，提出“运用重复交易模型编制动态综合指数”，并用参数改进的思路解决其中产生的多重共线性问题。（3）将函数型时间序列与用电负荷数据相结合，以复杂的用电负荷数据为例，编制最大基准用电负荷指数，探索其与经济变量之间的关系，达到准确预测最大用电负荷的目标，为经济形势与转型的预判提供有效分析和数据支持。.本研究的实证部分主要是将理论研究与中国具体问题相结合，研究中国实际问题，具体而言：（1）运用因子模型和综合评价结合本研究的理论成果，对中国工业上市公司创新能力进行综合评价，从而对中国各行业、各所有制企业的创新能力认识得更为全面。（2）将综合评价与经济效应相结合，在用综合评价方法定量“普惠金融发展水平”的基础上，探讨金融科技背景下普惠金融对商业银行盈利能力的影响效应。（3）将因子模型与综合评价方法结合应用于研究我国数字经济对产业结构的影响，为推进数字经济发展提供了新的视角，同时为提高我国产业结构升级提供了经验证据，有比较重要的现实意义。