Composite Quantile Factor Model
本文提出复合分位数因子模型用于高维面板数据因子分析，跨多数据分位数估计因子与载荷，推导其极限分布并讨论因子数量选择准则，经模拟验证有限样本性质良好，还开展宏观经济变量实证研究并开发R包cqrfactor。
2024-11-30 econ.EM
Quantile Factor Models
分位数因子模型（Quantile Factor Models，QFM）是一种新的高维面板数据因子模型。与近似因子模型（AFM）不同，在AFM中，只能提取位置偏移因子，QFM还允许恢复未观察到的因子，这些因子偏移了观察变量分布的其他相关部分。一个分位数回归的方法，标记为分位数因子分析（QFA），提出了一致的估计所有的分位数依赖的因素和负载。他们的渐近分布，然后使用核平滑版本的QFA估计。两个一致的模型选择标准，基于信息准则和秩最小化，开发，以确定在每个分位数的因素的数量。此外，与AFM中使用主成分分析所需的条件相反，QFA估计即使在特质误差具有重尾分布时仍然有效。三个实证应用（关于宏观经济、气候和金融面板数据）提供的证据表明，在实践中，除均值外，还有其他因素会改变分位数。
2020-09-23 econ.EM
Modelling and Forecasting Macroeconomic Risk with Time Varying Skewness Stochastic Volatility Models
本文提出基于时变偏度 Skew-Normal 和 Skew-t 冲击的随机波动率参数化框架，开发贝叶斯估计采样器，用于预测美国 GDP 增长下行风险，并验证时变偏度是宏观金融冲击的重要特征。
2023-11-20 econ.EM
How is Machine Learning Useful for Macroeconomic Forecasting?
我们超越了“机器学习对宏观经济预测有用吗？“而加入“如何”。目前的预测文献集中在匹配特定的变量和视野与一个特别成功的算法。相比之下，我们研究了推动ML收益的基础特征相对于标准宏观经济计量方法的有用性。我们区分了四个所谓的特征（非线性，正则化，交叉验证和替代损失函数），并研究了它们在数据丰富和数据贫乏环境中的行为。为此，我们设计了实验，以确定感兴趣的“治疗”效果。我们的结论是：（i）非线性是宏观经济预测的真正游戏规则改变者，（ii）标准因子模型仍然是最好的正则化，（iii）K折交叉验证是最佳实践，（iv）$L_2$优于$\bar ε$ -不敏感的样本内损失。非线性技术的预测收益与宏观经济的高度不确定性、金融压力和房地产泡沫破裂有关。这表明机器学习对于宏观经济预测是有用的，因为它主要捕捉在不确定性和金融摩擦背景下出现的重要非线性。
2020-08-28 econ.EM stat.AP stat.ML
Quantile Autoregression-based Non-causality Testing
非因果过程由于其非对称动态、集群波动和局部爆炸性等非线性行为的表现能力，近年来在宏观经济学和金融学领域引起了人们的关注。本文研究了非因果过程经验条件分位数的统计性质。具体来说，我们表明，分位数自回归（QAR）估计的非因果过程不保持恒定，在不同的分位数相反，他们的因果关系。此外，我们证明了非因果自回归过程允许非线性表示的条件分位数给定过去的观察。利用这些属性，我们提出了三个新的非高斯过程的非因果关系的QAR框架内的测试策略。检验是通过验证斜率系数的恒定性或通过在过程的不同分位数上应用线性QAR模型的误设定检验来构造的。包括一些数值实验，以检查有限样本的测试策略的性能，在那里我们比较不同的规格测试的动态分位数与Kolmogorov-Smirnov常数检验。新的方法被应用到一些金融市场的时间序列调查投机泡沫的存在。通过仿真研究了将基于规格检验的方法推广到异方差新息驱动的AR过程。非因果过程的QAR估计在极端分位数的性能也进行了探讨。
2023-01-07 econ.EM
Bayesian Bi-level Sparse Group Regressions for Macroeconomic Density Forecasting
提出一种基于双层稀疏性的贝叶斯机器学习方法，用于高维且含已知组结构数据的宏观经济密度预测，理论证明其具备一致性与极小化极大最优性，并通过蒙特卡洛实验与美国GDP即时预测验证了性能。
2024-11-15 econ.EM
Joint Quantile Shrinkage: A State-Space Approach toward Non-Crossing Bayesian Quantile Models
针对分位数回归模型中拟合条件分位数交叉的普遍问题，提出一种贝叶斯建模框架，通过带分位数适应性的融合收缩先验联合估计多个分位数，形成分位数变参数模型，在参数恢复和预测性能上更优。
2025-08-20 econ.EM math.ST stat.ME
Testing Quantile Forecast Optimality
本文提出基于矩等式框架的多期限分位数回归检验，评估分位数预测的自校准最优性，并扩展至更大信息集，模拟与实证揭示次优性成因。
2023-10-12 econ.EM stat.ME
Macroeconomic Data Transformations Matter
在低维线性回归设置中，考虑预测变量的线性变换/组合不会改变预测。然而，当预测技术使用收缩或非线性时，它确实如此。这正是机器学习（ML）宏观经济预测环境的结构。数据的预处理转化为正则化的改变-显式或隐式-嵌入在ML算法中。我们回顾旧的转换，并提出新的，然后实证评估其优点在一个实质性的伪样本练习。结果发现，传统的因素几乎总是应该包括作为预测和移动平均旋转的数据可以提供重要的收益为各种预测目标。此外，我们注意到，虽然直接预测平均增长率相当于平均单独的地平线预测时，使用基于OLS的技术，后者可以大大改善前者时，正则化和/或非参数非线性。
2021-03-09 econ.EM stat.AP stat.ML
The Kernel Trick for Nonlinear Factor Modeling
因子建模是一种功能强大的统计技术，它允许在具有一些潜在变量或因子的大型数据面板中捕获共同的动态，从而减轻维度灾难。尽管这种方法很受欢迎，并广泛用于从基因组学到金融的各种应用，但它主要是线性的。本研究通过核方法非线性地估计因子，该方法允许灵活的非线性，同时仍然避免维数灾难。我们专注于一个单一的时间序列在一个高维的设置，被称为扩散指数预测在宏观经济学文献的因子增强预测。我们的主要贡献是双重的。首先，我们证明了所提出的估计是一致的，它嵌套的线性PCA估计，以及在文献中介绍的一些非线性估计作为具体的例子。其次，我们对经典宏观经济数据集的实证应用表明，这种方法可以提供比主流方法更大的优势。
2021-03-01 econ.EM
Impact of Economic Uncertainty, Geopolitical Risk, Pandemic, Financial & Macroeconomic Factors on Crude Oil Returns -- An Empirical Investigation
本研究采用同时分位数回归，纳入疫情、地缘政治风险等多类因素及交互项，经FRED数据与VIF、PCA验证，揭示原油期货收益率受市场时期影响的异质性，为均衡风险收益的投资决策提供依据。
2023-10-03 econ.EM stat.AP
Momentum Informed Inflation-at-Risk
本文填补了通胀风险研究的空白，提出通胀的最佳特征由分位数变化和以通胀动量为条件的两类非线性组合来刻画，从而为政策制定者提供通胀风险估计。
2024-08-22 econ.EM
Robust Bond Risk Premia Predictability Test in the Quantiles
本文提出一种稳健分位数推断方法，用于检验债券风险溢价的宏观跨度假设，发现CP因子在中心分位数处占主导，而TDH和TI在尾部分位数处具有额外预测能力，且新方法预测性能优于现有方法。
2024-09-19 econ.EM stat.AP
Scenario Analysis with Multivariate Bayesian Machine Learning Models
WU Vienna（维也纳经济大学）；Oesterreichische Nationalbank（奥地利国家银行）
本文提出利用多变量贝叶斯机器学习模型进行情景分析，通过压力测试情景预测、宏观经济风险评估和金融冲击的非对称效应研究，揭示了非线性和不对称性的重要性。
2025-11-27 econ.EM stat.AP
FARS: Factor Augmented Regression Scenarios in R
Universidad Carlos III de Madrid（马德里卡洛斯三世大学）；ITAM（墨西哥自治技术学院）；Department of Economics Duke University（杜克大学经济学系）
FARS包通过因子增强回归方法构建条件密度，用于经济场景建模和风险度量分析。
2026-07-22 econ.EM stat.CO stat.ME
Estimation and Inference about Tail Features with Tail Censored Data
本文研究了当超过一定阈值的观测值被删失时尾部特征的估计和推断。我们首先表明，忽略这种尾部删失可能会导致大量的偏见和大小失真，即使删失概率很小。其次，我们提出了一个新的极大似然估计（MLE）的基础上的Pareto尾近似，并推导出其渐近性质。第三，我们提供了一个小样本的修改MLE诉诸极值理论。通过蒙特卡罗模拟，这种修改的MLE提供了出色的小样本性能。我们通过估计（i）使用当前人口调查数据集的美国个人收入的尾部指数和极端分位数以及（ii）使用Barro和Urs{ú}a（2008）收集的数据集的宏观经济灾难分布的尾部指数和风险规避系数来说明其经验相关性。我们新的实证研究结果与现有文献有很大不同。
2020-02-23 econ.EM
A Flexible Approach to Augmenting a Bayesian VAR with Nonlinear Factors
Federal Reserve Bank of Cleveland（克利夫兰联邦储备银行）；Johns Hopkins University（约翰斯·霍普金斯大学）；University of Salzburg（萨尔茨堡大学）；University of Strathclyde（斯特拉斯克莱德大学）
本文提出一种用回归树非参数建模非线性因子的向量自回归模型，通过因子方法简洁建模非线性，避免误设，实现高效贝叶斯计算，并适用于结构冲击识别。
2026-06-08 econ.EM stat.ME
Words Matter: Forecasting Economic Downside Risks with Corporate Textual Data
本文提出基于SEC企业披露文本构建的周度情绪指标，并将其纳入MIDAS分位数回归框架，证明其预测GDP下行风险的能力优于NFCI等传统金融指标。
2025-11-07 econ.EM
