跳到正文
← 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:摘要直接以跨时区股票收益为对象,使用全球和洲际共同因子研究市场联动,最直接对应金融因子模型方向。

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
Oliver B. Linton
Haihan Tang
Jianbin Wu

跨时区股票收益的大型验证性动态因子模型

研究问题
如何在跨多个时区观测的股票日收益中区分全球与洲际共同因素,并估计这些因素所反映的市场联动?
方法与思路
作者建立含全球及洲际因子的验证性动态因子模型,提出恰好识别的准极大似然估计及利用全部限制的 EM 估计。
材料陈述的贡献
摘要称两种估计量一致且渐近正态,改进估计量达到指定不可行 OLS 的渐近分布;应用发现高 VIX 时多数市场更整合。
阅读关注点
应核对时区差异如何进入模型、因子与参数的识别限制,以及渐近等价条件和市场整合程度的具体度量方式。
阅读边界
这是 arXiv 预印本,同行评审或期刊接收未经核实;摘要未给出限制形式,VIX 与整合的关联也不能据此解释为因果。

原文摘要

We propose a confirmatory dynamic factor model for a large number of stocks whose returns are observed daily across multiple time zones. The model has a global factor and a continental factor that both drive the individual stock return series. We propose two estimators of the model: a quasi-maximum likelihood estimator (QML-just-identified), and an improved estimator based on an Expectation Maximization (EM) algorithm (QML-all-res). Our estimators are consistent and asymptotically normal under the large approximate factor model setting. In particular, the asymptotic distributions of QML-all-res are the same as those of the infeasible OLS estimators that treat factors as known and utilize all the restrictions on the parameters of the model. We apply the model to MSCI equity indices of 42 developed and emerging markets, and find that most markets are more integrated when the CBOE Volatility Index (VIX) is high.

笔记与分组
相关领域论文