一类近似因子模型的GMM估计及其统计性质研究

对于一类异质性误差项存在截面相关性的近似因子模型,本文首先提出了估计共同因子向量和因子载荷矩阵的广义矩估计方法（GMM）,该方法推广了Doz等（2012）的极大似然估计方法;其次,分别研究了模型参数广义矩估计的渐近性质和有限样本的统计性质,在适当的条件下,证明了参数的GMM估计是具有渐近正态分布的一致估计;最后,利用近似因子模型对我国各类上市公司增长性的共同驱动因素及其差异性进行了实证分析。     

广义矩和广义经验似然估计量的有限样本性质比较

文章在线性单方程结构模型框架内运用蒙特卡洛模拟技术对广义矩(GMM)和广义经验似然(GEL)估计量的有限样本性质进行了比较.研究发现:虽然GMM和GEL一阶渐近等价,但它们的有限样本性质依赖于可获取的工具变量数、内生性强弱和样本容量:在样本容量较小时使用GEL能有效改善GMM估计偏差.     

因子模型的一种结构突变检验及其统计性质研究

为了内生地识别动态因子模型因子载荷矩阵的结构突变（包括因子个数的变化）,本文利用主成分估计得伪因子序列构造累积平方和统计量检验因子载荷矩阵的结构突变性,进一步利用迭代累积平方和算法对多个结构突变点的位置进行探测。研究发现,本文提出的检验统计量对于因子个数误设具有稳健性;并且该检验具有良好的有限样本性质和渐近性;另外,实证分析发现,中国沪市A股市场制造业上市公司的对数收益率序列存在结构突变的共同因子。     

纵向数据部分线性模型的估计方法

本文首先讨论了纵向数据部分线性模型yij=xijβ+g(tij)+eij的可行广义最小二乘估计方法及其估计的渐近性质,然后通过统计模拟研究表明我们的估计方法在有限样本情形也有良好的效果.由该方法获得的估计量具有显示解,计算简便,便于实际应用.     

利率期限结构模型估计中的GMM方法述评

广义矩方法(GMM)在利率期限结构模型的估计中有着广泛的应用。文章综述了在利率期限结构模型的估计中GMM方法涉及的各方面问题,其中包括过度估计问题、最优权重矩阵的选取、矩条件的选择、理论矩的计算、模拟矩方法(SMM)和有效矩方法(EMM)。     

广义矩估计的延伸——广义经验似然估计

从广义矩估计(GMM)到广义经验似然估计(GEL)的发展,是由于GMM估计量小样本性质的不足,促使人们寻求方法的改进和拓展。通过必要的证明和推导,详细解析GEL类估计量(包括EL,ET,CUE)的逻辑关系和数理结构,认识GEL的内在本质,并运用随机模拟方法证实了在小样本场合GEL类估计量比GMM估计量具有更小的估计偏差和均方误差,即GEL类估计改进了GMM估计的小样本性质。     

动态面板阈模型的一种序贯两步估计

动态面板阈模型可以刻画经济变量动态调整过程的非对称性,在实证分析中有广泛的运用,但阈值参数的引入同时增加了参数估计的困难,理论上尚有许多问题没有解决。针对此类模型,本文提出了一种简单而实用的序贯两步估计方法,首先利用格点搜索获得阈值参数的一致估计,基于该参数对数据结构进行合理划分并引入不同类型的矩条件,然后利用广义矩方法获得自回归参数的估计。理论研究与模拟结果表明,序贯两步估计具有良好的大样本性质和有限样本表现;与现有文献的方法相比,序贯两步估计能够有效避免不同类型参数估计偏差的相互影响,减小估计量的偏差与均方根误差。     

因子模型门槛效应的LM和Wald检验及其统计性质研究

门槛因子模型可以有效地刻画高维度时间序列的共变特征和区制转换行为,具有良好的可解释性和预测能力。针对因子载荷矩阵存在的门槛效应,本文提出了拉格朗日乘子和沃尔德检验方法,并给出了渐近分布,相关结果表明以上检验统计量具有良好的大样本性质和有限样本表现。在实证部分,以我国股市的行业指数作为研究对象,通过构建门槛因子模型来刻画我国股票市场波动的共变性特征和非对称效应。实证结果表明基于门槛因子模型可以很好地刻画中国股市行业收益率波动的共变特征和区制转换行为。     

浅谈随机模拟

现代统计理论的许多结论,都与随机模拟方法分不开. 当经典回归模型满足所有的假定条件时,参数的估计量才具有最佳线性无偏特性,即有限样本特性,同时也具有渐近特性.当假定条件不成立时(比如存在异方差、自相关等),所采用的广义最小二乘法,以及对联立方程模型的估计,动态分布滞后模型的估计,向量自回归模型的估计所得参数的估计量只具有渐近特性.也就是说,只有当样本容量相当大时,渐近特性才起作用.而当样本容量不是很大,而是很小时,仍然不知道估计量的有限样本分布特征,则需要通过模拟来了解其特征.     

随机折现因子框架下均值-方差张成的计量分析

文章在随机折现因子的框架下对均值-方差张成问题进行了系统研究.首先,采用和Kan、Zhou(2001)不同的方法直接证明了新张成条件与现有张成条件的等价性;接着,探讨了新张成条件对应的检验模型的GMM估计及其Wald统计量的性质,通过Monte Carlo模拟揭示这些Wald统计量的小样本偏倚;最后,利用本文导出的均值-方差张成检验方法对中国股市进行实证研究.为了克服小样本偏倚的影响,文中采用Block-Bootstrap方法模拟了GMM估计的J统计量的分布.