Canonical correlation-based model selection for the multilevel factors
基于典型相关的多层因子模型选择AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究多层因子的数量选择，并明确应用于行业股票收益的多层资产定价模型，支持金融因子和资产定价。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于典型相关的多层因子模型选择
- 研究问题
- 在同时存在全局因子与局部因子的多层因子模型中，如何识别全局因子数量，并应对特异误差相关性和局部因子相关性？
- 方法与思路
- 作者利用典型相关分析提出典型相关差准则 CCD 和修正典型相关准则 MCC，研究选择一致性，并开展模拟及多层资产定价应用。
- 材料陈述的贡献
- 摘要称，两种准则具有选择一致性；模拟中小样本表现良好，对所考察误差相关和局部因子相关情形稳健，并应用于美国行业收益。
- 阅读关注点
- 应核对典型相关的构造、全局与局部因子的区分条件、两项准则的惩罚形式，以及相关误差和小样本模拟的具体设定。
- 阅读边界
- 摘要未给出一致性条件、因子强度要求或选错概率；模拟所示小样本稳健性不能等同于有限样本必然正确选择。
原文摘要
We develop a novel approach based on the canonical correlation analysis to identify the number of the global factors in the multilevel factor model. We propose the two consistent selection criteria, the canonical correlations difference (CCD) and the modified canonical correlations (MCC). Via Monte Carlo simulations, we show that CCD and MCC select the number of global factors correctly even in small samples, and they are robust to the presence of serially correlated and weakly cross-sectionally correlated idiosyncratic errors as well as the correlated local factors. Finally, we demonstrate the utility of our approach with an application to the multilevel asset pricing model for the stock return data in 12 industries in the U.S.