High Dimensional Threshold Factor Models with Common Stochastic Trends
具有共同随机趋势的高维门限因子模型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。
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：摘要明确围绕大规模因子模型、共同随机趋势及因子和载荷的估计展开。
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
具有共同随机趋势的高维门限因子模型
- 研究问题
- 在含共同随机趋势的大规模因子模型中，如何估计门限并构造置信区间，同时识别各区制的共同趋势数量与因子结构？
- 方法与思路
- 作者以最小二乘估计门限，依据收敛速率和随机化检验构造置信区间，并研究分区制共同趋势数量估计及主成分估计。
- 材料陈述的贡献
- 摘要称，论文推导门限估计的几乎必然收敛速率，提出无需极限分布的区间构造，并分析两区制载荷与共同因子的估计性质。
- 阅读关注点
- 核对门限变量、共同随机趋势的定义及各区制样本要求，重点检查随机化检验怎样转换为区间以及趋势数量的选择规则。
- 阅读边界
- 仅据所给 OpenAlex 摘要，门限识别条件、具体收敛速率和区间覆盖表现未说明；股票与债券应用的数值结论也未给出。
原文摘要
We study inference for threshold regression in the context of a large factor model with common stochastic trends. We develop a Least Squares estimator for the threshold level, deriving almost sure rates of convergence and proposing a novel way of constructing confidence intervals based on a randomized test. Our confidence intervals are constructed using the rates of convergence of the estimated threshold level, and no limiting distribution is required. We also develop a procedure to estimate the number of common trends in each regime, and investigate the properties of the Principal Component estimator for the loadings and common factors in both regimes. Our theoretical findings are corroborated through a comprehensive set of Monte Carlo experiments, and an application to equity prices and bond yields.