南开大学 程婷婷等

　　成果简介：该论文获得第十九届天津市社科优秀成果奖一等奖。

　　在大数据时代背景下，经济金融数据呈现出高维化、复杂化趋势，传统低维线性计量模型难以有效刻画变量间的非线性关系及潜在共同因子（如宏观风险、市场情绪）的影响，制约了模型解释力与预测能力的提升。该成果面向这一前沿问题，创新性地构建了带有交互效应的高维面板数据模型，系统刻画“高维变量+潜在因子”共同作用下的复杂经济机制。模型允许参数维度随样本规模增长，并通过非参数函数刻画因子载荷的异质性特征，突破了传统模型在维度与结构上的双重限制，显著增强了对复杂经济关系的描述能力。在方法上，提出了基于Sieve的GMM估计方法，实现了回归参数、潜在因子及非参数载荷函数的联合估计，创新性解决了高维环境下非参数因子结构的建模与估计难题。同时，构建了完整的统计推断体系，包括一致性与渐近分布理论，以及过度识别检验与函数形式检验方法，为模型应用提供了坚实的理论基础。在应用方面，该研究成果在金融资产定价与风险评估中表现出显著优势，能够有效识别不可观测风险因子，提升模型拟合与预测精度，展现出良好的实际应用价值。

　　该成果在学术界产生了积极影响，已被计量经济学家Juan M. Rodriguez-Poo、Michael Vogt等学者引用，并被Springer出版的专著Modern Series Methods in Econometrics and Statistics收录，体现了其在高维计量经济学领域的前沿性与国际影响力。总体而言，该研究在建模框架、估计方法与理论推断等方面实现了系统性创新，为高维复杂经济数据分析提供了重要工具，对推动现代计量经济学方法发展具有重要意义。

　　作者简介：程婷婷，南开大学金融学院教授、博士生导师，南开大学百名青年学科带头人。研究方向主要包括非线性时间序列分析、面板模型分析、金融计量和机器学习。