Estimating stable latent factor models by indirect inference
稳定分布潜在因子模型的间接推断估计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。
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：摘要明确研究金融收益潜在因子模型，并包含条件分布随时间变化的GARCH因子模型。
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
稳定分布潜在因子模型的间接推断估计
- 研究问题
- 金融收益具有共同因子和厚尾特征时，如何估计采用多元α稳定分布的静态或时变条件潜在因子模型？
- 方法与思路
- 作者以多元Student t分布作为辅助分布实施间接推断，处理稳定分布易于模拟但参数估计困难的问题。
- 材料陈述的贡献
- 摘要称，间接推断能够克服此类稳定分布因子模型的参数估计困难，所讨论模型涵盖静态因子和GARCH因子形式。
- 阅读关注点
- 应核对潜在因子与特异噪声的分布设定、辅助分布提供的识别信息，以及静态和GARCH模型各自的估计实施方式。
- 阅读边界
- 仅据所给出版社摘要，无法判断估计量的理论性质或相对效率；摘要未说明识别条件、模拟设计和实证结果。
原文摘要
Cross-sections of financial returns are characterized by common underlying factors and exhibit fat tails that may be captured by α-stable distributions. This paper focuses on estimating factor models with independent latent factors and idiosyncratic noises featuring a multivariate α-stable distribution constant over time (static factor models) or a time-varying conditional multivariate α-stable distribution (GARCH factor models). Although the simulation of such a distribution is straightforward, the estimation of its parameters encounters difficulties. These difficulties are overcome in this paper by implementing the indirect inference estimation method with the multivariate Student’s t as the auxiliary distribution.