在时变计量经济学模型领域，洪永淼研究员领导的研究团队，结合机器学习方法，提出了第一个同时选择最优时变权重和预测因子的简约预测理论，建立了权重最优性、相合性和可用于统计推断的大样本理论，解决了大数据时代提高结构性变化时间序列预测精度这一长期存在的问题，是对固定权重最优模型平均的扩展与改进，突破了传统预测理论的局限性，增加了预测方法的使用范围；此外，基于离散傅立叶变换的方法，提出了高维因子模型时变特征的识别与假设检验方法；提出了时变系数模型中识别时变参数类型的假设检验，减少模型误设定，有助于量化分析我国宏观经济运行规律，为政府部门制定合理的宏观调控政策提供更准确可靠的决策依据。
[1] Sun, Y., Hong, Y., Wang, S., & Zhang, X.* (2022). Penalized time-varying model averaging. Journal of Econometrics, DOI: 10.1016/j.jeconom.2022.09.007
[2] Sun, Y., Zhang, J., Li, X., & Wang, S. (2022). Forecasting tourism demand with a new time-varying forecast averaging approach. Journal of Travel Research, DOI: 00472875211061206
[3] Fu, Z., Hong, Y., & Wang, X. (2022). Testing for structural changes in large dimensional factor models via discrete Fourier transform. Journal of Econometrics, DOI: 10.1016/j.jeconom.2022.06.005
[4] Fu, Z., Hong, Y., Su, L., & Wang, X. (2022). Specification tests for time-varying coefficient models. Journal of Econometrics, DOI: 10.1016/j.jeconom.2022.08.001
洪永淼
汪寿阳
张新雨
附件下载：
