【摘要】采用序列稀疏回归的思路来处理向量自回归模型，并设计适用于大规模时间序列数据分析的序列稀疏自回归方法。研究表明：从因子角度刻画向量自回归模型可以有效地将稀疏矩阵估计问题分解成稀疏奇异向量的估计问题，从而极大地提高了计算效率。以1523家美股上市公司1973年1月—2014年12月的做空数据为例，利用此方法探索公司之间的大规模做空关联网络。研究发现：此方法可以有效地恢复股票做空份额(即某一公司的空头股份数量)与股票收益率之间隐藏的关联网络，对于股票风险溢价研究具有一定启发意义。