Het algemene doel van een dynamisch factormodel (DFM) is om een groot aantal tijdreeksen samen te vatten in enkele gemeenschappelijke factoren. In deze paper onderzoeken Alex van de Minne, Marc Francke en David Geltner verschillende DFM's voor 80 gedetailleerde, niet-overlappende prijsindexen voor commercieel vastgoed in de VS, in de periode vanaf 2001Q1 tot 2017Q2.
Zij onderzoeken de aard en de structuur van de factoren en de indexprognoses die uit de DFM's kunnen worden gemaakt. Het artikel beschouwt specificaties van één tot vier gemeenschappelijke factoren. Omdat een belangrijke motivatie voor het gebruik van DFM's hun vermogen is om out-of-sample voorspellingen van systemen van talrijke verwante series te verbeteren, passen ze de DFM-geschatte factoren toe in een Autoregressive Distributed Lag (ARDL)-model om individuele marktindexrendementen te voorspellen. De schrijvers vergelijken voor vier markten de voorspellingen met die van een benchmark univariate autoregressie. De resultaten laten zien dat het DFM & ARDL-model de crisis en het daaropvolgende herstel heel goed voorspelt, terwijl het benchmarkmodel doorgaans de prijsontwikkeling in het verleden extrapoleert.