Latent Factor Analysis in Short Panels
短面板中的潜在因子分析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：摘要以短面板因子分析为方法核心，并研究股票收益的系统性风险及波动变化。
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…
短面板中的潜在因子分析
- 研究问题
- 在时间维度较短且不施加球形性或高斯性限制的面板中，如何估计潜在因子并检验因子数量，进而分解股票风险？
- 方法与思路
- 作者提出伪极大似然估计，推导因子数量的渐近一致最强不变检验，并在美国股票月收益的牛熊市短区间分解风险。
- 材料陈述的贡献
- 摘要称，总波动和特质波动呈上升趋势；熊市中系统性风险解释较多横截面方差，但不由单一因子驱动，也不被观测因子张成。
- 阅读关注点
- 应核对短面板渐近设置、因子及误差协方差的识别限制、不变性对应的变换群，以及风险分解对区间和因子数的敏感性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；不要求球形性或高斯性不等于没有分布条件，摘要未列出完整理论假设。
原文摘要
We develop a pseudo maximum likelihood method for latent factor analysis in short panels without imposing sphericity nor Gaussianity. We derive an asymptotically uniformly most powerful invariant test for the number of factors. On a large panel of monthly U.S. stock returns, we separate month after month systematic and idiosyncratic risks in short subperiods of bear vs. bull market. We observe an uptrend in the paths of total and idiosyncratic volatilities. The systematic risk explains a large part of the cross-sectional total variance in bear markets but is not driven by a single factor and not spanned by observed factors.