论文部分内容阅读
本文提出了一种稳健的构建高维宏观经济数据公共因子的方法。通过采用基于L1矩阵范数的优化方法,在存在大量缺失值和离群值的宏观数据集中得到更好的因子载荷和因子估计。在我国117维宏观月度数据集的基础上,利用静态近似因子模型对一些经济指标进行了预测。实证结果表明,由L1方法得到的因子相比主成分方法有更好的预测精度,从而给宏观经济研究者和决策者提供更为准确和稳健的参考。