Multilevel Matrix Factor Model
多层矩阵因子模型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：摘要明确以全局和局部因子建模，并应用于十个行业中二百只股票的多项指标。
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…
多层矩阵因子模型
- 研究问题
- 面对多组大规模矩阵时间序列，如何同时利用矩阵结构并区分影响全部序列的全局因子与仅作用于特定序列的局部因子？
- 方法与思路
- 作者构建包含全局与局部因子的多层矩阵模型，提出载荷及因子数量估计程序，并通过渐近分析、模拟和股票指标应用评估。
- 材料陈述的贡献
- 摘要称，所提程序能一致估计因子载荷并确定因子数量，论文建立估计量渐近性质，且展示跨行业股票指标的应用。
- 阅读关注点
- 应核对全局与局部因子的区分条件、矩阵分组方式、因子数量选择规则，以及不同维度增长下的一致性条件。
- 阅读边界
- 依据 arXiv 预印本摘要，同行评审及期刊接收未核实；因子识别条件、渐近速率及股票应用的具体结果，摘要未说明。
原文摘要
Large-scale matrix data has been widely discovered and continuously studied in various fields recently. Considering the multi-level factor structure and utilizing the matrix structure, we propose a multilevel matrix factor model with both global and local factors. The global factors can affect all matrix times series, whereas the local factors are only allow to affect within each specific matrix time series. The estimation procedures can consistently estimate the factor loadings and determine the number of factors. We establish the asymptotic properties of the estimators. The simulation is presented to illustrate the performance of the proposed estimation method. We utilize the model to analyze eight indicators across 200 stocks from ten distinct industries, demonstrating the empirical utility of our proposed approach.