报告时间：12月15日周四上午10:00-11:30

报告地点：腾讯会议544-203-135

报告主题：On the Analysis of Quantile Forward Regression

主讲人介绍：陈弘琦，伊利诺伊大学经济学专业博士。研究方向：计量经济学。

主办单位：北京师范大学湾区国际商学院

报告内容：本文研究了分位数向前选择回归方法（Quantile Forward Regression）在高维线性分位数模型下的理论性质。文中考虑了两种分位数向前选择回归方法：分别是K-step和t-threshold方法。本文对两种方法证明了非渐进情况下的预测边界，并对K-step方法证明了其估计参数的渐进收敛性质以及对最优预测损失的渐进逼近性质。通过蒙特卡罗模拟，本文比较了分位数向前选择回归方法与常见的分位数惩罚项回归方法的有限样本表现。其结果展现出分位数向前选择回归方法在预测损失最小化和真实变量选择等方面具有一定优势。论文最后将分位数向前选择回归方法应用于两个高维数据情况下的宏观经济应用中：宏观增长风险的预测和对国际增长收敛理论的检验。