經管學院竇立宇教授論文于經濟學頂刊Econometrica發表
香港中文大學（深圳）經管學院竇立宇教授與普林斯頓大學Ulrich K. Müller教授合作的研究成果“Generalized Local-to-Unity Models”在經濟學頂級期刊Econometrica發表。研究旨在提出并論證具有大樣本穩健性的高持續時間序列模型框架，并建立配套的統計推斷理論，從而為實證資產定價、國際經濟學等多個領域的關鍵問題提供新的且更具說服力的解決思路。
點擊圖片，下載全文閱讀
Abstract
We introduce a generalization of the popular local-to-unity model of time series persistence by allowing for p autoregressive (AR) roots and p ? 1 moving average (MA) roots close to unity. This generalized local-to-unity model, GLTU(p), induces convergence of the suitably scaled time series to a continuous time Gaussian ARMA(p, p ? 1) process on the unit interval. Our main theoretical result establishes the richness of this model class, in the sense that it can well approximate a large class of processes with stationary Gaussian limits that are not entirely distinct from the unit root benchmark. We show that Campbell and Yogo’s (2006) popular inference method for predictive regressions fails to control size in the GLTU(2) model with empirically plausible parameter values, and we propose a limited-information Bayesian framework for inference in the GLTU(p) model and apply it to quantify the uncertainty about the half-life of deviations from purchasing power parity.
高度自相關性或高持續性是很多宏觀經濟和金融時間序列數據的顯著特征。許多宏觀經濟學和金融學中重要問題的解決都涉及對高持續時間序列的處理，諸如檢驗股票回報率的可預測性、測度經濟周期的可持續性等等。在此背景下，針對高持續時間序列的建模與統計檢驗的研究不斷涌現。然而，迄今鮮有研究能夠從理論層面對現存諸多流行模型的穩健性進行論證。換言之，雖然存在基于現有模型得出的對上述重要經濟與金融問題的答案，但我們對其可信度卻難以定論。為突破該局限，本研究旨在提出并論證具有大樣本穩健性的高持續時間序列模型框架，并建立配套的統計推斷理論，從而為實證資產定價、國際經濟學等多個領域的關鍵問題提供新的且更具說服力的解決思路。
教師簡介
竇立宇
香港中文大學（深圳）經管學院助理教授
2006年，竇立宇教授考入南京大學數學系。憑借優異的表現與成績，在南大與新加坡合作的招生項目中，獲得了公費就讀新加坡南洋理工大學的機會。2011年竇教授以4.95分（滿分5分）的專業成績在近百名來自世界各地的畢業生中脫穎而出，榮獲李光耀金牌獎。2012年7月以優異成績獲得英國倫敦政治經濟學院計量經濟學與數學經濟的碩士學位。2019年9月獲得美國普林斯頓大學經濟學博士學位。他的研究領域包含但不局限于時間序列，理論與應用計量經濟學。
文章轉自經管學院官網，鏈接https://sme.cuhk.edu.cn/article/1532
