【报告摘要】This paper proposes a new approach for estimating a time-varying coefficient model under the GMM framework. Our sparse fused GMM (SFGMM) method provides simultaneous specification and estimation for time-varying parameters, heterogeneous structural breaks, and time-varying sparsity of a potentially high dimension of covariates. We derive large sample properties for our estimator with and without prior knowledge of structural changes and test the conditional stochastic discount factor (SDF) model. Our method addresses the “factor zoo” challenge by providing a new perspective for time-varying factor selection.

【报告人简介】洪永淼，中国科学院数学与系统科学研究院关肇直首席研究员，发展中国家科学院院士，世界计量经济学会会士，国家自然科学基金委员会“计量建模与经济政策研究”基础科学中心项目负责人，教育部高等学校经济学类专业教学指导委员会副主任委员。曾任美国康奈尔大学经济学与国际研究讲席教授和统计学教授、中国留美经济学会会长。

研究领域为计量经济学、时间序列分析、金融计量学、统计学，在Annals of Statistics、Biometrika、Econometrica、Journal of American Statistical Association、Journal of Political Economy、Journal of Royal Statistical Society B、Management Science、Quarterly Journal of Economics、Review of Economic Studies、Review of Financial Studies、《经济研究》《管理世界》等经济学、金融学和统计学中英文主流期刊发表文章140余篇。出版《概率论与统计学》《高级计量经济学》、Probability and Statistics for Economists、Foundations of Modern Econometrics: A Unified Approach等中英文著作。2014-2022年连续9年入选Elsevier经济学/统计学中国高被引学者榜单，获2022年高等教育（本科）国家级教学成果奖一等奖。