Quasi-maximum likelihood estimation of break point in high-dimensional factor models
高维因子模型断点的准极大似然估计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：摘要研究因子载荷的共同结构断点，并明确应用于美国宏观数据和股票收益数据，支持这三个方向。
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
高维因子模型断点的准极大似然估计
- 研究问题
- 高维因子模型载荷在共同未知时点发生一次变化时，如何估计断点，并处理载荷协方差奇异或旋转型变化？
- 方法与思路
- 作者先以主成分分析估计因子，再基于因子的二阶矩构造断点准极大似然估计，并分析不同载荷变化情形。
- 材料陈述的贡献
- 摘要称估计量在断点前后载荷协方差存在奇异性时仍具一致性，并为因子数不变的旋转型变化建立渐近分布。
- 阅读关注点
- 应核对一致性针对断点日期还是标准化位置、奇异与旋转情形的区别，以及因子估计误差对断点分布的影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要仅研究单一共同断点，未说明多重断点和弱变化下的适用性。
原文摘要
This paper estimates the break point for large-dimensional factor models with a single structural break in factor loadings at a common unknown date. First, we propose a quasi-maximum likelihood (QML) estimator of the change point based on the second moments of factors, which are estimated by principal component analysis. We show that the QML estimator performs consistently when the covariance matrix of the pre- or post-break factor loading, or both, is singular. When the loading matrix undergoes a rotational type of change while the number of factors remains constant over time, the QML estimator incurs a stochastically bounded estimation error. In this case, we establish an asymptotic distribution of the QML estimator. The simulation results validate the feasibility of this estimator when used in finite samples. In addition, we demonstrate empirical applications of the proposed method by applying it to estimate the break points in a U.S. macroeconomic dataset and a stock return dataset.