Estimation and inference in semiparametric quantile factor models
半参数分位数因子模型的估计与推断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：摘要明确以股票特征暴露、股票收益和分位数因子模型为核心对象。
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
半参数分位数因子模型的估计与推断
- 研究问题
- 如何用分位数因子面板模型描述股票特征对收益的非线性、时变影响，并在误差矩条件受限和弱截面依赖下进行推断？
- 方法与思路
- 作者将股票特征的非线性时变暴露纳入半参数分位数因子模型，提出筛估计方法及针对误差矩存在性和弱截面依赖的推断工具。
- 材料陈述的贡献
- 摘要称，方法易于实施，推断对所述矩条件和弱截面依赖形式具有稳健性；日收益应用发现多条特征暴露曲线存在非线性。
- 阅读关注点
- 应核对因子与暴露曲线的识别、筛基与维度选择，以及允许的弱依赖范围、矩条件和非线性显著性的检验方式。
- 阅读边界
- 仅依据所给出版社摘要；摘要未说明具体分位点、推断条件或效应大小，不能将弱依赖稳健性扩大为任意截面依赖下有效。
原文摘要
We consider a semiparametric quantile factor panel model that allows observed stock-specific characteristics to affect stock returns in a nonlinear time-varying way, extending Connor, Hagmann, and Linton (2012) to the quantile restriction case. We propose a sieve-based estimation methodology that is easy to implement. We provide tools for inference that are robust to the existence of moments and to the form of weak cross-sectional dependence in the idiosyncratic error term. We apply our method to daily stock return data where we find significant evidence of nonlinearity in many of the characteristic exposure curves.