Results: Macro Dataset We begin by

Results: Macro Dataset

We begin by discussing the estimation results of the forecasting factors F ̂_t from the macro dataset consisting of 279 variables. The defining feature of a model with r factors is that the r largest population eigenvalues should increase as N increases, while the N - r eigenvalues should be bounded. The criterion of Bai and Ng (2002) suggests rF = 12 factors Ft explaining about 54% of the variation in the data, with the first three factors accounting for 37%, 8%, 3%, respectively. The first factor loads heavily on stock market portfolio returns (such as size and book-market portfolio returns), the excess stock market return, and the log dividend-price ratio. The second factor loads heavily on measures of real activity, such as manufacturing production, employment, total production and employment, and capacity utilization. The third factor loads heavily on risk and term spreads in the bond market.

The volatility of innovations to common factor Fjt is defined to be the〖 σ〗_jt^F, where v_jt^F = σ_jt^F ϵ_jt^F also selected as predictor variables for some series. Most factors display non-trivial time-varying innovation volatility. As discussed above, this stochastic innovation volatility of the predictor variables will affect forecast error variance when h > 1.

Kết quả (Việt) 1:

Kết quả: Vĩ mô số liệu Chúng tôi bắt đầu bằng việc thảo luận các kết quả dự toán của dự báo yếu tố F ̂_t từ số liệu vĩ mô bao gồm 279 biến. Các tính năng xác định của một mô hình với yếu tố r là Spectral dân lớn nhất của r nên tăng khi N tăng, trong khi N - r spectral nên được bao bọc. Các tiêu chí của Bai và Ng (2002) cho thấy rF = 12 yếu tố Ft giải thích khoảng 54% các biến thể trong dữ liệu, với lần đầu tiên ba yếu tố chiếm 37%, 8%, 3%, tương ứng. Các yếu tố đầu tiên tải rất nhiều trên thị trường chứng khoán trở về danh mục đầu tư (chẳng hạn như kích thước và cuốn sách-thị trường danh mục đầu tư lợi nhuận), thị trường chứng khoán dư thừa trở lại, và tỷ lệ cổ tức-giá đăng nhập. Các yếu tố thứ hai tải nặng nề về các biện pháp thực sự hoạt động, chẳng hạn như sản xuất sản xuất, việc làm, tất cả sản xuất và việc làm, và khả năng sử dụng. Các yếu tố thứ ba tải nặng nề trên rủi ro và hạn lây lan trên thị trường trái phiếu.Sự biến động của các sáng kiến để phổ biến yếu tố FJST được định nghĩa là the〖 σ〗_jt ^ F, nơi v_jt ^ F = σ_jt ^ F ϵ_jt ^ F cũng chọn là yếu tố dự báo biến cho một số series. Hầu hết các yếu tố Hiển thị không nhỏ thời gian khác nhau sáng tạo biến động. Như được thảo luận ở trên, này biến động ngẫu nhiên sáng tạo của các yếu tố dự báo sẽ ảnh hưởng đến dự báo lỗi phương sai khi h > 1.

Kết quả (Việt) 2:

Kết quả: Dataset Macro Chúng ta bắt đầu bằng việc thảo luận các kết quả ước lượng của các dự báo các yếu tố F _T từ các số liệu vĩ mô gồm 279 biến. Các tính năng xác định của một mô hình với các yếu tố r là r giá trị đặc trưng dân số lớn nhất nên tăng như N tăng, trong khi N - giá trị riêng r nên được bao quanh. Các tiêu chí của Bái và Ng (2002) cho thấy RF = 12 yếu tố Ft giải thích khoảng 54% sự biến trong dữ liệu, với ba yếu tố đầu tiên chiếm 37%, 8%, 3%, tương ứng. Các tải yếu tố đầu tiên rất nhiều vào lợi nhuận danh mục đầu tư thị trường chứng khoán (như kích thước và danh mục sách thị trường lợi nhuận), sự trở lại thị trường chứng khoán vượt quá, và tỷ lệ cổ tức log-giá. Các tải Yếu tố thứ hai rất nhiều vào các biện pháp của các hoạt động thực tế, chẳng hạn như sản xuất công nghiệp, việc làm, tổng sản lượng và việc làm, và công suất sử dụng. Các tải Yếu tố thứ ba rất nhiều vào rủi ro và hạn lây lan trên thị trường trái phiếu. Sự biến động của đổi mới đến yếu tố phổ biến Fjt được định nghĩa là 〖σ〗 _jt ^ F, nơi v_jt ^ F = σ_jt ^ F ε_jt ^ F cũng được lựa chọn như dự báo biến cho một số series. Hầu hết các yếu tố hiển thị không tầm thường của thời gian đổi mới biến động. Như đã thảo luận ở trên, ngẫu nhiên này đổi mới biến động của các biến dự đoán sẽ ảnh hưởng đến dự báo lỗi sai khi h> 1.