Clustering Huge Number of Financial Time Series: A Panel Data Approach With High-Dimensional Predictors and Factor Structures
海量金融时间序列聚类：高维预测变量与因子结构的面板方法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：摘要以股票收益的可观测和潜在因子结构进行聚类，并量化危机向全球市场的溢出，对应金融因子与系统性风险。
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
海量金融时间序列聚类：高维预测变量与因子结构的面板方法
- 研究问题
- 如何依据可观测因子的敏感度与不可观测因子结构，对大量金融时间序列聚类，并刻画国际市场异质性和危机溢出？
- 方法与思路
- 作者提出含分组因子结构的高维面板聚类方法，允许两类因子相关，以及误差中的横截面依赖、序列依赖和异方差。
- 材料陈述的贡献
- 摘要称建立程序的理论性质，并用于逾6000只国际股票；应用量化次贷危机溢出，发现市场、行业等名义分类不足。
- 阅读关注点
- 应核对分组与因子结构的识别、理论性质的具体条件，以及聚类数选择、危机溢出度量和名义分类比较的实施方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；理论条件、误分类表现及溢出数值未说明，不能据此判断聚类的一般优越性。
原文摘要
This article introduces a new procedure for clustering a large number of financial time series based on high-dimensional panel data with grouped factor structures. The proposed method attempts to capture the level of similarity of each of the time series based on sensitivity to observable factors as well as to the unobservable factor structure. The proposed method allows for correlations between observable and unobservable factors and also allows for cross-sectional and serial dependence and heteroscedasticities in the error structure, which are common in financial markets. In addition, theoretical properties are established for the procedure. We apply the method to analyze the returns for over 6000 international stocks from over 100 financial markets. The empirical analysis quantifies the extent to which the U.S. subprime crisis spilled over to the global financial markets. Furthermore, we find that nominal classifications based on either listed market, industry, country or region are insufficient to characterize the heterogeneity of the global financial markets. Supplementary materials for this article are available online.