Estimation and Inference in Factor Copula Models with Exogenous Covariates
含外生协变量的因子 Copula 模型：估计与推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确以因子 Copula 解释股票收益的横截面依赖，支持金融因子分类，但未明确研究资产风险溢价或尾部风险。
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
含外生协变量的因子 Copula 模型：估计与推断
- 研究问题
- 当因子可以模拟或由外生信息估计时，如何估计因子 Copula 模型并开展有效推断，以解释股票收益之间的横截面依赖？
- 方法与思路
- 作者提出含外生信息的因子 Copula 模型，采用互不重叠的模拟抽样实施模拟矩估计，并分析一致性、极限正态性和自助标准误。
- 材料陈述的贡献
- 摘要称，论文在因子结构各组成部分的底层条件下验证估计与推断理论，并以蒙特卡洛及股票收益应用展示其有限样本表现和用途。
- 阅读关注点
- 应核对外生性和因子可估计性的条件、模拟抽样安排、估计因子带来的误差，以及底层条件如何保证自助标准误有效。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实。摘要未给出具体条件、模拟规模和应用结果，不能判断模型比较优势或适用边界。
原文摘要
A factor copula model is proposed in which factors are either simulable or estimable from exogenous information. Point estimation and inference are based on a simulated methods of moments (SMM) approach with non-overlapping simulation draws. Consistency and limiting normality of the estimator is established and the validity of bootstrap standard errors is shown. Doing so, previous results from the literature are verified under low-level conditions imposed on the individual components of the factor structure. Monte Carlo evidence confirms the accuracy of the asymptotic theory in finite samples and an empirical application illustrates the usefulness of the model to explain the cross-sectional dependence between stock returns.