Composite Quantile Factor Model
复合分位数因子模型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：摘要明确研究高维面板因子估计，并应用于季度宏观变量，因此对应宏观因子模型与宏观面板。
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
复合分位数因子模型
- 研究问题
- 面对高维面板及非正态分布，能否综合多个分位数估计因子与载荷，同时保留对数据均值的建模并选择因子数量？
- 方法与思路
- 作者提出跨多个分位数估计因子和载荷的方法，推导其极限分布，并讨论用于一致选择因子数量的信息准则。
- 材料陈述的贡献
- 摘要称估计量和信息准则在若干非正态模拟中表现良好，并分析二百四十六个季度宏观变量，提供配套 R 包。
- 阅读关注点
- 应核对复合分位数目标如何对应均值因子、因子归一化、极限分布条件，以及信息准则和分位数组合的选择。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及接收未核实；摘要未说明具体分位数、正则条件或比较数值，不能判断普遍效率优势。
原文摘要
This paper introduces the method of composite quantile factor model for factor analysis in high-dimensional panel data. We propose to estimate the factors and factor loadings across multiple quantiles of the data, allowing the estimates to better adapt to features of the data at different quantiles while still modeling the mean of the data. We develop the limiting distribution of the estimated factors and factor loadings, and an information criterion for consistent factor number selection is also discussed. Simulations show that the proposed estimator and the information criterion have good finite sample properties for several non-normal distributions under consideration. We also consider an empirical study on the factor analysis for 246 quarterly macroeconomic variables. A companion R package cqrfactor is developed.