Testing for common latent factors across two short panels
检验两个短面板中的共同潜在因子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：摘要直接检验股票和公司债券收益的共同潜在因子，并比较因子组合的定价表现，因此对应金融因子与资产定价方向。
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
检验两个短面板中的共同潜在因子
- 研究问题
- 研究在横截面很大而时间维度较短的两个面板中，如何推断共同潜在因子的数量，并识别股票与公司债券收益共享的因子结构。
- 方法与思路
- 作者将问题转化为两个含估计噪声的矩阵列空间交集维数检验，以典型相关构造统计量，并用扰动方法推导渐近分布。
- 材料陈述的贡献
- 摘要称，方法提供共同因子数量的推断工具；股票与公司债券应用在十八个月窗口中平均发现五个共同因子，并讨论其定价表现。
- 阅读关注点
- 应核对列空间与共同因子的对应条件、含噪矩阵的估计及短面板渐近框架，并区分共同因子数量、候选组合与定价解释。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法核验因子强度条件和实证不确定性；平均五个因子是所述样本结论，不能推断其他窗口或刊本变化。
原文摘要
This paper develops inference tools for the number of common latent factors across two large cross-sectional panels observed over a short time span (large n, small T). Our approach builds on a general test for determining the dimension of the intersection of two matrix column spaces, where each matrix is estimated with noise. The proposed test statistics are based on canonical correlations, and their asymptotic distributions are derived via perturbation methods. An empirical application to large cross-sections of monthly US stock returns and corporate bond returns finds that, on average, five latent factors influence both asset classes over an 18-month period. The most likely candidate for a common factor is a stock portfolio with weights sorted on book leverage. Overall, the common factors between the two asset classes behave more like stock characteristic portfolios than bond characteristic portfolios, both in terms of pricing performance and time series dynamics.