stringtranslate.com

Xiaohong Chen

Xiaohong Chen ( chino :陈晓红) es una economista china que actualmente se desempeña como profesora de Economía Malcolm K. Brachman en la Universidad de Yale . Es miembro de la Sociedad Econométrica y ganadora del Premio de Economía de China. Como una de las principales expertas en econometría , su investigación se centra en la teoría econométrica , los métodos de estimación e inferencia semi/no paramétricos, los métodos de tamiz , las series temporales no lineales y los modelos semi/no paramétricos. [2] Fue elegida miembro de la Academia Estadounidense de las Artes y las Ciencias en 2019. [3]

Vida temprana y educación

Chen nació en Hubei , China . [4] Obtuvo una licenciatura en Matemáticas de la Universidad de Wuhan en 1986, formó parte del programa de posgrado Estados Unidos-China a través de la Universidad Popular de China en 1987, obtuvo una maestría en Economía de la Universidad de Western Ontario en 1988 y un doctorado en Economía de la Universidad de California, San Diego en 1993. [5]

Carrera e investigación

Chen es actualmente profesora de Economía Malcolm K. Brachman en la Universidad de Yale . Anteriormente enseñó en la London School of Economics , la Universidad de Nueva York y la Universidad de Chicago . Después de graduarse de la Universidad de California en San Diego , se convirtió en profesora asistente de economía en la Universidad de Chicago , conferenciante y lectora en la London School of Economics de 1999 a 2002. Posteriormente, se unió a la Universidad de Nueva York como profesora asociada y fue ascendida a profesora de economía en 2005. En 2007, se convirtió en profesora de economía en la Universidad de Yale . En Yale, es profesora de Gestión y Estadística de la Ciencia de Datos. [6] Chen también es miembro internacional del Centro de Métodos y Prácticas de Microdatos , miembro electo de la Econometric Society y miembro electo del Journal of Econometrics . [7]

Investigaciones seleccionadas

En el artículo, Raymond J. Carroll, Xiaohong Chen y Yingyao Hu proponen un enfoque para identificar y estimar un modelo general de errores no lineales en la variable (EIV) sin datos de validación, distribución de errores de medición y variables instrumentales. Utilizan dos muestras que se supone que contienen tres partes para cada muestra, incluida una variable dependiente (Y), ciertas covariables libres de error (W) y una medición de la covariable con errores (X). La variable verdadera correspondiente no se mide con precisión en dos muestras y los valores verdaderos latentes podrían estar asociados aleatoriamente con la distribución de error de medición desconocida. Sin conocer la distribución de error de medición que podría estar asociada con los valores verdaderos latentes y la variable verdadera correspondiente precisa, los autores suponen que la covariable verdadera latente y las covariables libres de error en la variable dependiente son las mismas. Sin embargo, las variables verdaderas latentes se distribuyen de manera diferente entre las variables observadas y las variables libres de error específicas. Además, también proponen un método cuasi-MLE de tamiz para estimar parámetros en el modelo de regresión paramétrica y "establecer su consistencia raíz-n y normalidad asintótica bajo posible especificación errónea, y su eficiencia semiparamétrica bajo especificación correcta, con errores estándar fácilmente estimables". [9]

La escasez de la función de hábito conduce a la dificultad de la estimación formal. Xiaohong Chen y Sydney C. Ludvigson estudian una clase general de modelo de fijación de precios de activos basado en hábitos utilizando el enfoque semiparamétrico en este artículo. Sin poner restricciones a la función de hábito, estiman tanto los parámetros de dimensión finita como la especificación del hábito. Tienen tres hallazgos principales en su artículo, a saber: "la función de hábito estimada no es lineal", "la formación de hábitos se describe mejor como interna en lugar de externa, y el parámetro de preferencia temporal estimado y el parámetro de la empresa de servicios públicos de energía son sensatos". [10] En comparación con el modelo de hábito externo estimado por SMD, el modelo de fijación de precios de activos de tres factores, el modelo CAMP de consumo escalado, el CAPM clásico y el CAPM de consumo clásico, el modelo de hábito interno estimado por SMD tiene más ventajas a la hora de explicar "una muestra representativa de los rendimientos de las acciones de cartera ordenadas por tamaño y por valor contable". [10]

Su estudio intenta superar la limitación de la estimación y prueba formal. Una limitación significativa es la falta de la forma funcional del hábito. Otra limitación es la falta de "razón teórica por la que no se podrían considerar otras formas de no linealidad". [10] Se evalúa el modelo de fijación de precios de activos basado en el hábito y se intenta poner menos restricciones a la especificación del hábito y no se pone ninguna restricción paramétrica a la ley de movimiento para el consumo. Examinan la función de hábito desconocida y comparan la formación del hábito interno y externo mediante el procedimiento de Distancia Mínima de Tamiz (SMD). Al utilizar este método, prueban sus hipótesis sobre la especificación de los modelos de fijación de precios de activos basados ​​en el hábito. Para la primera hipótesis, prueban la linealidad y encuentran que la no linealidad es más apropiada para representar la función del hábito. Se utiliza la restricción del momento condicional para comparar la especificación del hábito interno y externo. Para la segunda hipótesis, concluyen que la formación del hábito interno es más adecuada para describir la formación del hábito. Para la tercera hipótesis, estiman la "importancia cuantitativa del hábito en la especificación de la empresa de energía" [10] utilizando el método SMD y encuentran que el factor de descuento de tiempo y el parámetro de curvatura de la empresa de energía son sensibles a diferentes instrumentos y retornos.

En el artículo, se presentan los estimadores de distribución marginal desconocida y los estimadores de parámetros de dependencia de cópula en los estudios de Xiaohong Chen y Yanqin Fan de modelos de series temporales estacionarias de Markov semiparamétricos basados ​​en cópula que contienen distribuciones marginales no paramétricas y cópulas parametrizadas. Chen y Fan también estiman las características de la distribución transicional de la serie temporal utilizando los dos estimadores que propusieron y crean la consistencia y la normalidad asintótica de raíz n de los dos estimadores.

Este artículo fue escrito por Xiaohong Chen y Norman R. Swanson para rendir homenaje a los grandes logros de Hal White en el campo de la econometría teórica y la economía empírica. Chen y Swanson analizan algunos artículos de este artículo, entre ellos " Un procedimiento en dos etapas para modelos parcialmente identificados" de Kaido y White, " Prueba de separabilidad en ecuaciones estructurales" de Lu y White, " Prueba de independencia condicional mediante verosimilitud empírica" ​​de Su y White, etc. [11]

Otras investigaciones seleccionadas

Premios y honores

En 2017, Chen y su colega economista Gregory C. Chow recibieron el Premio de Economía de China de la Fundación Nacional de Economía por sus "contribuciones sobresalientes en la investigación econométrica teórica". [4]

Referencias

  1. ^ "Becarios 2007". www.econometricsociety.org . Consultado el 5 de marzo de 2020 .
  2. ^ "Xiaohong Chen | Departamento de Economía". economics.yale.edu . Consultado el 2 de abril de 2019 .
  3. ^ "Se anunciaron los nuevos miembros de la Academia 2019". 17 de abril de 2019.
  4. ^ ab "Video de homenaje al premio de China 2017 de Xiaohong Chen". Departamento de Economía de la Universidad de Yale . 2 de abril de 2018. Consultado el 29 de marzo de 2019 .
  5. ^ "Xiaohong Chen". Departamento de Economía de la Universidad de Yale . Consultado el 29 de marzo de 2019 .
  6. ^ "Xiaohong Chen | Departamento de Economía". economics.yale.edu . Consultado el 5 de diciembre de 2020 .
  7. ^ "Xiaohong Chen". Stevanovich Center for Financial Mathematics . Consultado el 29 de marzo de 2019 .
  8. ^ abc "Investigación - Xiaohong Chen". sites.google.com . Consultado el 3 de abril de 2019 .
  9. ^ Carroll, Raymond J.; Chen, Xiaohong; Hu, Yingyao (1 de mayo de 2010). "Identificación y estimación de modelos no lineales utilizando dos muestras con errores de medición no clásicos". Journal of Nonparametric Statistics . 22 (4): 379–399. doi :10.1080/10485250902874688. ISSN  1048-5252. PMC 2873792 . PMID  20495685. 
  10. ^ abcd Chen, Xiaohong; Ludvigson, Sydney C. (2009). "¿Tierra de adictos? Una investigación empírica de modelos de fijación de precios de activos basados ​​en hábitos" (PDF) . Journal of Applied Econometrics . 24 (7): 1057–1093. doi :10.1002/jae.1091. ISSN  1099-1255.
  11. ^ Chen, Xiaohong; Swanson, Norman R. (septiembre de 2014). "Causalidad, predicción y análisis de especificación: avances recientes y direcciones futuras". Journal of Econometrics . 182 (1): 1–4. doi :10.1016/j.jeconom.2014.04.003.
  12. ^ "Materia de fondo". Teoría econométrica . 28 (1). 2012. ISSN  0266-4666. JSTOR  41426514.

Enlaces externos