[논문 리뷰] Projected Estimation for Large-dimensional Matrix Factor Models

Long Yu, Yong He외 2명|arXiv (Cornell University)|2020. 03. 23.

Monetary Policy and Economic Impact참고 문헌 37인용 수 5

한 줄 요약

이 논문은 횡단적 스파이크 고유값을 가진 대규모 차원 행렬 요인 모델에 대해 투영 추정(PE) 방법을 제안한다. 관측 행렬을 행 또는 열 요인 공간에 투영하여 차원을 축소하고 이방성 오차를 필터링함으로써 추정 정확도를 향상시킨다. PE 방법은 기존 추정기보다 더 빠른 수렴 속도를 달성하며, 이방성 오차의 선형 필터링을 통해 신호 대 잡음 비율을 향상시킨다.

ABSTRACT

In this study, we propose a projection estimation method for large-dimensional matrix factor models with cross-sectionally spiked eigenvalues. By projecting the observation matrix onto the row or column factor space, we simplify factor analysis for matrix series to that for a lower-dimensional tensor. This method also reduces the magnitudes of the idiosyncratic error components, thereby increasing the signal-to-noise ratio, because the projection matrix linearly filters the idiosyncratic error matrix. We theoretically prove that the projected estimators of the factor loading matrices achieve faster convergence rates than existing estimators under similar conditions. Asymptotic distributions of the projected estimators are also presented. A novel iterative procedure is given to specify the pair of row and column factor numbers. Extensive numerical studies verify the empirical performance of the projection method. Two real examples in finance and macroeconomics reveal factor patterns across rows and columns, which coincides with financial, economic, or geographical interpretations.

연구 동기 및 목표

• 행과 열 간의 공동 저질서 구조를 완전히 활용하지 못하는 기존 행렬 요인 모델 추정기의 비효율성을 해결한다.
• 스파이크 고유값을 가진 대규모 차원 행렬 요인 모델에서 요인 로딩 행렬의 추정 정확도를 향상시킨다.
• 투영을 통해 이방성 오차의 크기를 줄이고 신호 대 잡음 비율을 향상시키는 방법을 개발한다.
• 약한 정규성 조건 하에서 투영 추정기의 이론적 수렴 속도와 점근적 분포를 확립한다.
• 예측 오차 최소화 기반으로 일관된 최적의 행 및 열 요인 수 쌍을 결정하는 반복 절차를 제안한다.

제안 방법

• 관측 행렬을 추정된 행 또는 열 요인 공간에 투영하여 차원을 축소하고 이방성 오차를 필터링한다.
• 투영 행렬을 사용해 이방성 오차 행렬을 선형으로 필터링함으로써 그 크기를 줄이고 신호 대 잡음 비율을 향상시킨다.
• 투영된 데이터의 고유분해를 통해 요인 로딩 행렬을 추정하며, 이는 행과 열 요인의 공동 저질서 구조를 활용한다.
• 예측 오차 최소화 기반으로 최적의 행 및 열 요인 수를 선택하기 위한 이중 단계 반복 절차를 적용한다.
• 이론적 분석은 행 및 열 횡단적 차원에서 광범위한 요인과 스파이크 고유값을 가정한다.
• 이 방법은 Lam 등(2011)과 Chen 등(2020)의 프레임워크를 기반으로 하지만, 공동 행-열 구조 통합을 통해 효율성을 향상시킨다.

실험 결과

연구 질문

• RQ1 관측 행렬을 행 또는 열 요인 공간에 투영하는 것이 행렬 요인 모델의 추정 정확도를 향상시킬 수 있는가?
• RQ2 유사한 조건 하에서 투영 추정 방법이 기존 추정기보다 더 빠른 수렴 속도를 달성하는가?
• RQ3 행과 열 요인의 공동 저질서 구조는 어떻게 활용되어 이방성 오차 성분을 줄일 수 있는가?
• RQ4 요인 로딩 행렬에 대한 투영 추정기의 점근적 분포는 무엇인가?
• RQ5 실제로 최적의 행 및 열 요인 수 쌍을 일관되게 선택하는 방법은 무엇인가?

주요 결과

• 이론적으로 약한 조건 하에서 요인 로딩 행렬의 투영 추정기는 기존 추정기보다 더 빠른 수렴 속도를 달성한다.
• 투영 행렬이 이방성 오차 행렬을 선형으로 필터링함으로써 크기를 줄여 신호 대 잡음 비율이 향상된다.
• 캐나다 소비자 물가지수(Canadian CPI) 실데이터 예시에서 PE 방법은 가장 낮은 평균 절대 예측 오차(0.5988, (k₁,k₂)=(3,3))를 기록했으며, ACCE 및 α-PCA를 능가했다.
• 요인 수 선택을 위한 반복 절차는 롤링 예측 실험에서 예측 오차를 최소화하는 데 효과적으로 최적의 (k₁,k₂) 쌍을 식별했다.
• 수치 실험 결과, PE 방법은 ACCE 및 α-PCA에 비해 더 낮은 검증 오차와 더 작은 평균 로딩 공간 변동성을 보였다.
• 금융 및 거시경제 분야의 실증 결과는 행과 열 간에 해석 가능한 요인 패턴을 보였으며, 금융적, 경제적 또는 지리적 해석과 일치했다.