JBES — Vol 44 Issue 2 · 2026-05-18¶

共 5 篇 · Journal of Business & Economic Statistics

高维统计 / 随机矩阵 (high_dim_rmt, 2 篇)¶

1. 10.1080/07350015.2025.2548851 — Network-Assisted High-Dimensional Factor Model Estimation¶

作者: Wanwan Liang, Xinyan Fan, Ben Wu, Bo Zhang
期刊/来源: Journal of Business & Economic Statistics
分类: vol 44 · issue 2 · pp 665-676
相关性 5/10 · novelty: new_method
摘要: 本文在近似因子模型设定下，利用网络凝聚性和组级异质性来提高高维因子载荷的估计精度。作者提出了一种惩罚极大似然方法，在负对数似然中同时加入 K-means 惩罚项（鼓励载荷向量的社区结构）和 Laplacian 惩罚项（鼓励相连节点的载荷相似）。计算上，开发了高效的迭代算法求解该非凸惩罚优化问题。理论上，在温和正则条件下建立了估计量的收敛速率，允许潜在组数被过度指定，并提出了基于似然的信息准则来一致选择真实组数。模拟与经济金融数据应用验证了该方法的优势。对您而言，该文将网络 Laplacian 正则化引入高维因子模型的做法，以及允许组数过度指定的收敛率分析，对您在高维统计与统计计算方向的研究具有直接参考价值，同时其经济数据应用也契合您的经济理论次级兴趣。
关键技术: approximate factor model, penalized maximum likelihood, Laplacian penalty, K-means penalty, convergence rate analysis, information criterion
为什么对您有用: 该文将网络 Laplacian 正则化与 K-means 结合用于高维因子模型，其收敛率推导与高效算法设计对您在高维统计和统计计算方向有直接借鉴意义；经济金融数据应用也契合您的经济理论次级兴趣。

2. 10.1080/07350015.2025.2550473 — Determination of the Effective Cointegration Rank in High-Dimensional Time-Series Predictive Regressions¶

作者: Puyi Fang, Zhaoxing Gao, Ruey S. Tsay
期刊/来源: Journal of Business & Economic Statistics
分类: vol 44 · issue 2 · pp 703-717
相关性 4/10 · novelty: new_method
摘要: 在高维单位根(HDUR)时间序列的预测回归设定下，本文目标是识别 x_t∈R^N 对平稳序列 y_t∈R^p 预测中的有效协整秩，假设自回归系数矩阵稀疏或低秩且维度 p, N 与样本量 T 同发散。方法采用两步估计程序：首先利用 PCA 提取 x_t 的所有协整向量，然后将协整后的平稳序列与 y_t 的滞后项结合，通过降秩回归预测 y_t，其估计的降秩即定义为有效协整秩。针对高维自回归系数，分别在稀疏与低秩假设下采用 LASSO 与降秩技术进行估计。理论结果表明估计量在发散维度下具有良好性质，实证应用显示该方法在资产收益预测中表现优异。对您而言，该文将高维 PCA 与降秩回归结合处理非平稳序列的思路，可为高维统计中的秩估计与特征提取提供借鉴，同时其资产收益数据集与模型对经济理论应用方向有直接参考价值。
关键技术: high-dimensional PCA, reduced-rank regression, cointegration rank, LASSO, high-dimensional unit-root process, predictive regression
为什么对您有用: 涉及高维统计中的 PCA 与秩估计问题（与 RMT 及高维推断相关），同时属于经济理论中的高维时间序列预测与资产定价应用，对您在 high-dimensional statistics 和 economic theory 交叉领域的研究有直接参考价值。

数理统计 / 假设检验 (hypothesis_testing, 1 篇)¶

1. 10.1080/07350015.2025.2548893 — An Adaptive Residual-Based Test for Factor Structure¶

作者: Yufeng Mao, Yayi Yan
期刊/来源: Journal of Business & Economic Statistics
分类: vol 44 · issue 2 · pp 691-702
相关性 7/10 · novelty: new_method
摘要: 本文在静态近似因子模型设定下，研究针对未指定备择假设（涵盖非线性、条件因子结构及结构突变）的因子结构检验问题。作者首先构建基于残差的固定带宽检验统计量，证明其渐近正态性及对局部备择假设的功效；为改善有限样本表现并克服固定带宽的局限，进一步提出自适应检验统计量，并建立其渐近水平正确性与一致性。模拟与全球经济金融实证表明该自适应检验具有更优的 size 和 power。对您有用：该工作将高维因子模型的假设检验拓展至非参数备择假设，直接契合您在假设检验与高维统计的交叉兴趣，自适应带宽选择策略对高维推断中的稳健检验具有方法迁移价值。
关键技术: approximate factor model, residual-based test, adaptive bandwidth, asymptotic normality, local alternatives, unspecified alternatives
为什么对您有用: 直接契合您在假设检验与高维统计（因子模型）方面的核心兴趣，针对未指定备择假设的自适应检验方法对高维推断中的稳健性检验有借鉴意义，同时包含经济金融实证应用。

经济理论 / 应用 (econ_theory, 2 篇)¶

1. 10.1080/07350015.2025.2546444 — Forecast Selection in Unstable Environments¶

作者: Stefan Richter, Ekaterina Smetanina
期刊/来源: Journal of Business & Economic Statistics
分类: vol 44 · issue 2 · pp 574-586
相关性 2/10 · novelty: new_theory
摘要: 本文研究非平稳时间序列环境下的样本外预测选择问题，目标是在预测损失差具有时变不稳定性的设定下，预测其未来条件分布。方法利用损失差的时间序列性质，构建了对未来损失差条件分布的预测框架，并建立了量化抽样不确定性的分布理论。基于该分布理论，作者提出了新的高级选择规则，能够实现二阶预测目标（如控制预测波动等）。仿真和通胀预测实证表明该方法在非平稳环境下的选择有效性。对您而言，该文的分布理论构建和假设检验式选择规则设计，可为经济理论中时间序列预测推断提供方法学参考，且通胀预测数据集具有实证价值。
关键技术: forecast loss differences, conditional distribution prediction, distributional theory, time-varying parameters, out-of-sample forecast selection
为什么对您有用: 涉及假设检验与分布理论的构建，且属于经济理论中的时间序列预测与推断，对您在经济理论（通胀预测数据集与模型）和数理统计（选择规则的分布推断）方面的兴趣有直接参考价值。

2. 10.1080/07350015.2025.2551244 — Robust Conditional Kurtosis and the Cross-Section of International Stock Returns¶

作者: Ruifeng Liu, Alex Maynard, Ilias Tsiakas
期刊/来源: Journal of Business & Economic Statistics
分类: vol 44 · issue 2 · pp 718-730
相关性 1/10 · novelty: new_method
摘要: 本文在国际股票指数收益率的横截面设定下，提出了一种基于分位数的新峰度度量——稳健峰度，以解决传统矩峰度在厚尾分布下不稳定的问题。该指标利用分位数间距构建，在近似正态分布下与传统四阶矩峰度渐近等价，而在厚尾分布下不受极端值影响，提供更可靠的度量。实证部分通过横截面回归检验了条件稳健峰度对未来收益的预测能力，发现其具有显著的负向溢价，这与稳健偏度的正向溢价形成对比。对您而言，该文用分位数替代高阶矩实现稳健推断的思路，对 higher-order U-statistics 或 robust estimation 的理论思考有启发，且其国际股票数据集对经济理论应用有参考价值。
关键技术: quantile-based kurtosis, robust higher-order moments, cross-sectional regression, fat-tailed distributions
为什么对您有用: 连接到经济理论（金融横截面数据集与应用）；用分位数替代高阶矩的思路对您在 higher-order U-statistics 或 robust estimation 方面的理论兴趣有方法论启发。

Maintained by 陈星宇 · Homepage · Source on GitHub