受限動態因子模型中受限矩陣之選取法與績效評估

Assessment of Selection for Constrained Matrix in a Dynamic Factor Model

章學宜

指導教授 ： 徐南蓉

國立清華大學/理學院/統計學研究所/碩士(2014年)

https://doi.org/10.6843/NTHU.2014.00127

摘要

本論文探討動態受限因子模型在高維度時間序列資料上的應用。在模式設定上，有別於藉由主觀訊息預先設定受限矩陣，本研究將sparse fused lasso的技巧引入最大概似估計式中，透過參數估計並搭配集群分析與群數選取指標，利用資料訊息決定模式中受限矩陣的結構，以達到簡化高維度時間序列建模的目的。模擬研究顯示所提出之方法，在簡化模式結構上頗具成效，此方法已成功地運用在財務相關之實例分析。

關鍵字

受限因子模型 ； EM演算法 ； Sparse fused lasso

參考文獻

Calinski, T. and J. Harabasz (1974). A dendrite method for cluster analysis. Communications in Statistics. 3, 1-27.

Forni, M., M. Hallin, M. Lippi and L. Reichlin (2000). The generalized dynamic-factor model: Identification and estimation.. Review of Economics and Statistics 82(4), 540-554.

Geweke, J. (1977). The Dynamic Factor Analysis of Economic Time Series.

Hartigan, J. A. (1975). Clustering Algorithms. Wiley.

Krzanowski, W. J. and Y. T. Lai (1988). A criterion for determining the number of groups in a data set using sum-of-squares clustering. Biometrics 44(1), 23-34.