MARC

 008260126s2025        us                              c    eng  d
■001000017356929
■00520260202103103
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798315711759
■035    ▼a(MiAaPQ)AAI31934851
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a310
■1001  ▼aLi,  Xinglin.
■24510▼aEssays  on  Econometric  Modeling  of  Forecasting,  Uncertainty,  and  Price  Impact
■260    ▼a[Sl]▼bThe  University  of  North  Carolina  at  Chapel  Hill▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a203  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-11,  Section:  B.
■500    ▼aAdvisor:  Ghysels,  Eric.
■5021  ▼aThesis  (Ph.D.)--The  University  of  North  Carolina  at  Chapel  Hill,  2025.
■520    ▼aThis  dissertation  develops  new  econometric  methods  and  empirical  applications  in  macroeconomic  forecasting,  economic  uncertainty  measurement,  and  decentralized  finance  (DeFi)  market  microstructure.In  the  first  chapter,  we  introduce  a  heterogeneous  coefficients  model  within  the  sparse-group  LASSO  MIDAS  framework  to  address  cross-sectional  heterogeneity  in  mixed-frequency  panel  data  regression.  By  allowing  coefficient  similarity  within  predefined  economic  groups  while  maintaining  flexibility  where  needed,  our  model  provides  a  structured  compromise  between  fully  pooled  and  fully  heterogeneous  specifications.  We  apply  this  methodology  to  macroeconomic  panel  forecasting,  demonstrating  its  advantages  in  capturing  meaningful  heterogeneous  relationships  while  mitigating  biases  introduced  by  overly  restrictive  pooling  assumptions.  Our  results  highlight  the  trade-off  between  model  flexibility  and  generalizability  in  high-dimensional  economic  forecasting  applications.In  the  second  chapter,  we  develop  novel  measures  of  economic  uncertainty  at  the  state  and  extended  metropolitan  area  (EMA)  levels,  leveraging  forecast  errors  from  GDP  growth  models.  Using  a  sparse-group  LASSO  MIDAS  regression  framework,  we  estimate  state-level  uncertainty  and  construct  an  EMA-level  uncertainty  measure  to  capture  economic  volatility  at  different  regional  scales.  Our  empirical  analysis  identifies  key  macroeconomic  drivers  of  uncertainty,  including  policy  instability,  industry  composition,  and  financial  conditions.  We  further  validate  our  EMA  uncertainty  measure  by  comparing  it  with  established  uncertainty  indices,  demonstrating  its  effectiveness  in  capturing  crisis-driven  fluctuations.  These  findings  contribute  to  the  broader  literature  on  macroeconomic  uncertainty  and  regional  economic  dynamics.In  the  third  chapter,  we  examine  the  price  impact  of  trades  on  decentralized  exchanges  (DEXs)  using  Uniswap  as  a  case  study.  Despite  the  deterministic  nature  of  automated  market  makers,  realized  price  impact  remains  uncertain  due  to  block  inclusion  and  transaction  ordering  mechanisms.  We  quantify  the  information  advantage  of  Miner  Extractable  Value  (MEV)  traders,  who  exploit  pending  orders  for  arbitrage.  To  address  limitations  in  traditional  vector  autoregression  (VAR)  models  of  price  impact,  we  propose  a  novel  empirical  framework  that  accounts  for  differential  price  effects  based  on  trader  type.  Our  findings  provide  strong  evidence  that  MEV  traders  play  a  dominant  role  in  price  discovery  on  DEX  markets,  contributing  to  the  literature  on  market  microstructure  in  digital  asset  markets.This  dissertation  advances  econometric  methodology  for  high-dimensional  panel  regressions,  provides  new  insights  into  economic  uncertainty  at  regional  levels,  and  offers  empirical  evidence  on  price  formation  in  DeFi  markets.  The  findings  have  implications  for  macroeconomic  forecasting,  regional  economic  policy,  and  digital  asset  market  analysis.
■590    ▼aSchool  code:  0153.
■650  4▼aStatistics
■650  4▼aFinance
■653    ▼aEconomic  forecasting
■653    ▼aEconomic  uncertainty
■653    ▼aHigh-dimensional  time  series
■653    ▼aDecentralized  finance
■653    ▼aExtended  metropolitan  area
■690    ▼a0501
■690    ▼a0338
■690    ▼a0508
■690    ▼a0463
■690    ▼a0511
■71020▼aThe  University  of  North  Carolina  at  Chapel  Hill▼bEconomics.
■7730  ▼tDissertations  Abstracts  International▼g86-11B.
■790    ▼a0153
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17356929▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서