Sparsity-Induced Global Matrix Autoregressive Model with Auxiliary Network Data

要約

大規模な国々で経済的および財務的変数を共同でモデル化して予測することは、長い間大きな課題でした。
この問題に対処するために、2つの主要なアプローチが利用されています。外生変数（VARX）とマトリックス自己網目上（MAR）を備えたベクトル自己回帰モデルです。
Varxモデルは国内の依存関係をキャプチャしますが、国際貿易によって駆動されるグローバル要因を表すために外因性変数を扱います。
対照的に、MARモデルは同時に複数の国からの変数を考慮しますが、貿易ネットワークを無視します。
この論文では、これら2つの目的を一度に達成するMARモデルの拡張を提案します。つまり、国際依存関係と世界経済への貿易ネットワークの影響の両方を研究します。
さらに、体系的な相互予測可能性を区別するために、モデルにまばらなコンポーネントを導入します。
モデルパラメーターを推定するために、尤度推定方法とバイアス補正された交互の最小化バージョンの両方を提案します。
私たちは、モデルの特性の理論的および経験的分析を提供し、調査結果から派生した興味深い経済的洞察を提示します。

要約(オリジナル)

Jointly modeling and forecasting economic and financial variables across a large set of countries has long been a significant challenge. Two primary approaches have been utilized to address this issue: the vector autoregressive model with exogenous variables (VARX) and the matrix autoregression (MAR). The VARX model captures domestic dependencies, but treats variables exogenous to represent global factors driven by international trade. In contrast, the MAR model simultaneously considers variables from multiple countries but ignores the trade network. In this paper, we propose an extension of the MAR model that achieves these two aims at once, i.e., studying both international dependencies and the impact of the trade network on the global economy. Additionally, we introduce a sparse component to the model to differentiate between systematic and idiosyncratic cross-predictability. To estimate the model parameters, we propose both a likelihood estimation method and a bias-corrected alternating minimization version. We provide theoretical and empirical analyses of the model’s properties, alongside presenting intriguing economic insights derived from our findings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google