Dinamik Faktör Modeli
Dynamic Factor Models (Nowcasting) · Ayrıca şöyle bilinir: Diffusion Index Model, Large-Scale Factor Model, Approximate Factor Model, Dinamik Faktör Modeli
Dinamik Faktör Modeli (DFM), büyük bir ekonomik zaman serisi panelinden az sayıda gizli ortak faktör çıkarır ve bu faktörleri hedef bir değişkeni tahmin etmek veya şimdiden tahmin etmek için kullanır. James Stock ve Mark Watson tarafından 2002 tarihli Journal of Business & Economic Statistics makalelerinde makroekonomik tahminler için biçimlendirilen DFM'ler, geleneksel çok değişkenli modelleri etkileyen boyutluluk lanetinden kaçınırken yüzlerce göstergeyi eş zamanlı olarak işler.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Büyük bir ekonomik veya finansal zaman serisi paneline (tipik olarak N > 20) sahip olduğunuzda ve hedef bir değişkeni gerçek zamanlı olarak tahmin etmek veya şimdiden tahmin etmek istediğinizde Dinamik Faktör Modeli kullanın. Yöntem, yaklaşık faktör yapısını varsayar: ortak faktörler kesitsel kovaryansın büyük kısmını yönlendirirken, bireysel hatalar zayıf korelasyonludur. Panel küçük olduğunda, faktörler doğrusal olmadığında veya yapısal kırılmalar sık olduğunda kötü performans gösterir. Alternatifler arasında büyük bir panel olmadan karma frekanslı ayarlar için MIDAS regresyonu veya daha küçük sistemler için Bayestekin VAR'lar bulunur.
Güçlü yönler & sınırlılıklar
- Bilgiyi birkaç faktöre sıkıştırarak aşırı uyum sağlamadan çok büyük panelleri (N >> T) işler
- Durum-uzay formülasyonu aracılığıyla karma frekanslı ve dengesiz verileri doğal olarak barındırır
- Ana bileşenler aracılığıyla iki adımlı tahmin hızlı ve kapalı formdadır, yüzlerce seriye ölçeklenir
- İş döngüsü kavramlarıyla uyumlu yorumlanabilir ortak faktör endeksleri sağlar
- Faktör sayısı seçimi öznel kalır ve panel bileşimine duyarlıdır
- Doğrusal faktör yapısı rejim değişikliklerini veya doğrusal olmayan dinamikleri kaçırabilir
- Gerçek zamanlı performans, birçok seri ilk yayınlandıktan sonra önemli ölçüde revize edildiğinde bozulur
- Tanımlanan faktörler döndürmeye duyarsızdır, bu nedenle ekonomik etiketleme ek kısıtlamalar gerektirir
SSS
Faktör sayısı r'yi nasıl seçerim?
En yaygın yaklaşım, model karmaşıklığını uyuma göre cezalandıran Bai & Ng (2002) bilgi kriterleri IC_p1 veya IC_p2'yi uygulamaktır. Veri kovaryans matrisinin özdeğerlerinin yamaç grafiği görsel bir çapraz kontrol sağlar. Pratikte, 2 ile 6 faktör arasındaki r, tipik makroekonomik panellerdeki varyansın çoğunu açıklar ve bitişik r değerleri boyunca sağlamlık kontrolleri önerilir.
DFM'ler aylık göstergeler ve üç aylık GSYİH gibi karma frekanslı verileri işleyebilir mi?
Evet. DFM'yi durum-uzay formuna dönüştürmek ve Kalman filtresini kullanmak, aylık faktörlerin zamansal bir toplama kısıtlaması yoluyla üç aylık bir hedefe bağlanmasına izin verir. Giannone vd. (2008) ve diğerleri tarafından geliştirilen bu karma frekanslı varyant, üç aylık GSYİH'yi daha yüksek frekanslı verilerden şimdiden tahmin etmek için standart yaklaşımdır ve gerçek zamanlı verilerin düzensiz kenarını doğal olarak işler.
Bir DFM, bir Ana Bileşen Analizi regresyonu ile aynı mıdır?
Faktör çıkarma adımını paylaşırlar, ancak DFM'ler faktörlerin zamanla nasıl geliştiğine dair açık bir dinamik model ekler ve sistemi bir durum-uzay çerçevesine yerleştirir. Basit bir PCA regresyonu, faktörlerin zamansal otokorelasyonunu göz ardı ederken, bir DFM tahmin için bundan yararlanır. Dinamik belirtim ayrıca, statik bir PCA regresyonunun yapamayacağı yeni veriler geldikçe Kalman filtresi güncellemeyi mümkün kılar.
Kaynaklar
- Stock, J. H., & Watson, M. W. (2002). Macroeconomic forecasting using diffusion indexes. Journal of Business & Economic Statistics, 20(2), 147–162. DOI: 10.1198/073500102317351921 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Dynamic Factor Models (Nowcasting). ScholarGate. https://scholargate.app/tr/econometrics/dynamic-factor-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- MIDAS Regresyonu: Karışık Veri Frekansları Arasında TahminEkonometri↔ karşılaştır
- Vektör Otoregresyon (VAR) ModeliEkonometri↔ karşılaştır