sparseDFM: An R Package to Estimate Dynamic Factor Models with Sparse Loadings
sparseDFM: An R Package to Estimate Dynamic Factor Models with Sparse Loadings
复制标题
稀疏DFM：用于估计具有稀疏载荷的动态因子模型的R包
DOI：
--
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
A. Gibberd
中科院分区：
文献类型：
--
作者：
Luke Mosley;Tak;A. Gibberd
sparseDFM是一个R软件包，用于实现动态因子模型（DFM）的流行估计方法，包括Mosley等人（2023）的新型稀疏DFM方法。稀疏DFM通过约束加载矩阵具有很少的非零条目（即稀疏）来改善经典DFM中因子结构的可解释性问题。Mosley等人（2023）构建了一种有效的期望最大化（EM）算法，以使用正则化准最大似然估计模型参数。我们在本文中提供的估计策略的细节，并显示我们如何实现这一计算效率的方式。然后，我们提供了两个真实数据的案例研究，作为如何使用sparseDFM包的教程。第一个案例研究的重点是总结英国季度CPI（消费者价格通胀）指数数据的一个小子集的结构，而第二个应用程序包到一个大规模的一组月度时间序列的目的nowcasting九个主要贸易商品英国出口全球。
sparseDFM is an R package for the implementation of popular estimation methods for dynamic factor models (DFMs) including the novel Sparse DFM approach of Mosley et al. (2023). The Sparse DFM ameliorates interpretability issues of factor structure in classic DFMs by constraining the loading matrices to have few non-zero entries (i.e. are sparse). Mosley et al. (2023) construct an efficient expectation maximisation (EM) algorithm to enable estimation of model parameters using a regularised quasi-maximum likelihood. We provide detail on the estimation strategy in this paper and show how we implement this in a computationally efficient way. We then provide two real-data case studies to act as tutorials on how one may use the sparseDFM package. The first case study focuses on summarising the structure of a small subset of quarterly CPI (consumer price inflation) index data for the UK, while the second applies the package onto a large-scale set of monthly time series for the purpose of nowcasting nine of the main trade commodities the UK exports worldwide.
稀疏动态因子模型：正则化准最大似然方法
影响因子：
2.2
作者：
Mosley L
通讯作者：
Mosley L