大维数据的动态条件协方差阵的估计及其应用

大维数据给传统的协方差阵估计方法带来了巨大的挑战,数据维度和噪声的影响不容忽视。本文将主成分和门限方法有效结合,应用到DCC模型的估计中,提出了基于主成分正交补门限方法的DCC模型(poet DCC)。poet DCC模型主要通过前K个主成分来刻画高维动态条件协方差阵的信息,然后将门限函数应用在矩阵的正交补中,有效地降低了数据的维度并剔除了噪声的影响。通过模拟和实证研究发现:较DCC模型而言,poet DCC模型明显提高了高维协方差阵的估计和预测效率;并且将其应用在投资组合时,投资者获得了更高的投资收益和经济福利。

空间计量视角下经济增长收敛检验:回顾与展望

目前,基于空间计量模型方法检验经济增长收敛的众多研究成果尚缺乏系统的总结梳理。透过空间计量理论模型的发展脉络,归纳了空间效应识别检验方法、空间计量模型的两大代际划分——截面数据模型和面板数据模型、空间计量模型的估计方法。按国家、省区、市县三个地理层级对运用空间计量模型检验经济增长收敛的实证研究成果进行总结评述,分析了空间截面数据模型的局限性和空间面板数据模型的相对优势,并针对空间面板数据模型在实证中遇到的问题,提出进一步研究发展的方向,即在大数据背景下,利用空间面板数据模型进行经济增长收敛机制的检验。