在时间序列剖析中，多维时间序列的建模和展望是一个很是主要的问题。随着科学手艺的快速生长，高维时间序列的数据在金融、天气以及通讯等领域随处可见。另一方面，运用现有的多维时间序列模子拟合高维时间序列数据时会遇到太过参数化以及模子不可识别等一系列问题。这使得高维时间序列建模在应用与理论两方面均有主要意义。日前，伟易博治理学院商务统计与经济计量系博士生郭斌及其相助者撰写的论文High Dimensional Stochastic Regression with Latent Factors, Endogeneity and Nonlinearity对这一问题举行了系统的研究。该论文已被计量经济学领域的国际权威期刊《计量经济学杂志》(Journal of Econometrics)正式吸收。

这篇论文对高维非平稳时间序列数据的建模提出了一种新的思绪。首先，我们可以将视察到的高维非平稳时间序列剖析为三个部分：可视察部分、不可视察部分以及白噪声误差部分。所谓可视察部分是指其可体现为一个低维可视察历程的线性或者非线性函数的形式；其次，关于不可视察部分，文章指出可以运用一个因子模子对其举行降维。然后再运用已有的模子对降维后的数据举行建模。这样的战略具有两大优点：第一，能够阻止直接运用已有模子对高维数据举行拟适时所爆发的太过参数化以及模子不可识别的问题；第二，提供越发稳健的展望。作者在文章中给出了关于可视察部分中的毗连函数、不可视察部分中的因子个数以及响应的因子载荷阵列向量张成的线性空间的预计，并给出了响应的收敛速率。大宗的数值模拟也验证了上述理论的准确性，同时作者将该要领应用到标准普尔500指数(SP500)的股票收益率的剖析，说明晰该要领的有用性。

郭斌同砚是2010级直博士生，师从陈松蹊教授。他在2014年4月获得国际数理统计协会（Institute of Mathematical Statistics）揭晓的IMS Travel Award。该文章的另外两名相助者划分是伦敦政治经济学院统计系姚琦伟教授（伟易博治理学院特聘教授），以及商务统计与经济计量系2013届结业生常晋源博士。