莫纳什大学高集体教授为“亚洲计量经济学与统计学暑期学校”授课

  • 文/叶仕奇 付中昊 图/叶仕奇 (经济与管理学院)
  • 创建于 2022-07-22
  • 555

  7月18日,由中国科学院大学经济与管理学院、中国科学院数学与系统科学研究院和中国科学院预测科学研究中心共同举办的2022世界计量经济学会“亚洲计量经济学与统计学暑期学校”正式开启,邀请知名计量经济学与统计学领域的专家授课,分享最新理论前沿。

  澳大利亚莫纳什大学高集体(Jiti Gao)教授分别于7月18日和20日两天上午为学员带来了时变模型相关的知识分享。高集体是莫纳什大学计量经济学与商务统计系杰出教授,现为澳大利亚社会科学院院士、Journal of Econometrics副主编,国际统计学会当选会员 (Elected Member of International Statistical Institute),国际金融计量学会创会会员 (Founding Member of the Society for Financial Econometrics),国际计量经济学会澳大利亚和新西兰常务委员会委员 (Member of the Australasian Standing Committee of the Econometric Society)。高集体教授在计量经济学理论研究、金融计量经济学、非参数与半参数计量经济学、面板数据与时间序列分析等领域有深入的研究并有其独到的见解,具有相当的国际影响力。其学术论文发表在 Journal of Econometrics,Econometric Theory,Journal of Business and Economic Statistics,Annals of Statistics,Journal of the American Statistical Association,Journal of the Royal Statistical Society Series B 等经济学与统计学国际顶级和一流学术期刊上。

  18日上午,高集体首先介了绍非线性时间序列的基本知识,从几个经典非线性模型如平滑转换自回归模型、门限模型等出发,讲解模型中的非线性与线性部分,并引出系数的估计问题。基于该问题,高集体详细介绍了混合正态以及密度估计的思想,并给出运用场景。在此基础上,以自回归和固定设计为重要案例,讲解如何对条件均值和条件方差进行非参数核估计,并进一步介绍在序列非平稳情况下的序列间非线性协整,强调在序列平稳与非平稳条件下核估计渐近性质的差别,并提出核估计中平滑参数的选择问题,最后给出具体案例,介绍如何对消费支出和可支配收入的非线性关系建模。然后,高集体向学员介绍趋势时间序列以及面板数据模型,他从时变模型的基本设定讲起,通过几个例子表明回归系数往往会随时间变化。在给出其经济学原因后,高集体引入一些经典文献中的时变模型设定,介绍如何基于泰勒展开或引入趋势项,结合非参数方法如局部线性法、局部常数法来估计时变系数。高集体详细介绍了这些例子中系数估计量的大样本性质,并比较不同情况下其结构和收敛速度上的区别。基于经典案例,高集体提出一种创新的时变系数模型,其回归系数时变且同时考虑了因子结构,并引入迭代方法的思想递归地估计模型中的时变系数、因子以及因子载荷。高集体给出此方法在卫生经济学中的一个实证案例,探讨了OECD国家医疗保健支出和收入的经济关系。随后,通过介绍横截面独立假设,讨论时间序列和面板数据模型之间的差异,并给出判断横截面独立性假设成立与否的检验方法。

  20日上午,高集体介绍了时变向量自回归模型。基于对混合条件的讨论,高集体介绍α-混合的基本设定,讨论其与线性过程之间的联系与区别。在给出理论动机后,高集体从趋势时间序列模型出发,讨论随机和确定性时变参数设定的区别。基于确定性时变参数设定,又给出时变自回归建模中的局部平稳性概念,并进一步介绍时变向量移动平均模型。基于时变BN分解,再给出时变参数向量移动平均模型的估计量及其渐近性质。高集体提出一种类似AIC的方法以确定时变 VAR模型的阶数,将该模型应用于研究通胀,失业率和货币政策(利率)之间的关系,并讨论样本外预测,验证该模型对于宏观指标的预测能力。随后,高集体介绍了波动率模型,从自回归条件异方差类波动率模型入手,介绍广义自回归条件异方差类模型的基本结构和设定。以此为引,高集体提出一类时变多元因果过程,旨在对非线性时间序列建立渐近理论,并将VARMA、多元GARCH、ARMA-GARCH等模型联系在一起。在讲解模型估计部分时,高集体首先介绍物理相依性测度,近似平稳过程等设定的定义和基本思想,并给出局部线性拟极大似然估计及其对应的中心极限定理,之后给出模型估计量、窗宽选择以及置信区间的构建方法,并讨论逐点推断和基于bootstrap的同时推断的区别。进一步地,以时变VARMA模型以及时变多元GARCH模型为例,突出这些模型的适用性,并设计模拟实验,通过在多种的数据生成过程下考察模型在不同情况下的表现。

  高集体教授认真细致的讲解带给学员很大的启发,参会师生认真聆听,并与高集体教授进行互动,课程圆满结束。

责任编辑:脱畅