项目名称： 基于惩罚函数的高维向量自回归模型估计与应用

项目编号： No.71401066

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 管理科学

项目作者： 杨炳铎

作者单位： 江西财经大学

项目金额： 21万元

中文摘要： 随着“大数据时代”（Age of Big Data）的到来，高维计量经济学模型得到越来越多人的关注。本项目在线性回归和分位数回归两框架下对基于惩罚函数的高维向量自回归模型进行估计与变量选择，并对两框架下格兰杰因果关系检验的估计方法进行研究。本项目假定数据为强混合(Strong mixing)条件并假定待估参数远大于模型有效样本数下，推导出模型参数估计量的渐近正态性和Oracle性质，同时给出估计量的可行性算法，并展示小样本下的蒙特卡罗仿真结果。最后本项目把高维向量自回归模型应用于宏观经济和金融领域中，包括省际间经济增长溢出效应、城市间房价的联动关系和资产收益的联动效应等，以解决原有向量自回模型在相关领域无法进行高维建模估计的难题，为更好地理解高维条件下宏观经济金融变量间的动态结构和为更准确的预测提供可行性的模型框架。

中文关键词： 格兰杰因果关系；函数指数模型；半参数条件资产定价模型；Copula；高维变量选择

英文摘要： In the Age of Big Data, high dimensional econometrics model has gained considerable attention in diverse fields of scientific research. In this project, we do variable selection in high dimensional vector autoregressive (VAR) model in the frameworks of bo

英文关键词： Granger-Causality test；functional index model；semiparametric conditional CAPM model；copula；high dimensional variable selection