各校計畫成果

活動簡介

R.S Tsay於2025年的研究亮點在於發展高維時間序列之統計方法，以提升動態建模、預測與推論。兩項重要成果：(1) 結合降秩迴歸，從預測的觀點提出辨識高維單根時間序列有效共整合秩之新方法；(2) 在大量預測變數情境下，以監督式主成分分析為基礎建構動態預測。研究結果顯示兩項成果都能有效提升動態預測表現。

高維時間序列分析之兩項研究成果。第一項工作建立了一套以預測為導向的高維共整合分析架構，引入「有效共整合秩」以辨識對預測有實質貢獻的共整合關係。並結合主成分分析、降秩迴歸與稀疏化估計技巧，提升模型可解釋性與預測效能。實證結果顯示其於資產報酬率的預測問題上，優於既有方法。第二項工作則提出新型式之監督式主成分分析的動態預測方法，透過直接連結大量預測變數與目標變數，並搭配懲罰式估計進行因素選取。此方法論具理論的佐證，並在模擬研究及美國總體經濟資料的實證分析中，展現優異的預測表現。