Determining the Number of Common Functional Factors with Twice Cross-Validation
用两次交叉验证确定共同函数因子的数量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：摘要以共同函数因子解释美国国债收益率和 Dow30 收益相关性，直接涉及金融因子建模。
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
用两次交叉验证确定共同函数因子的数量
- 研究问题
- 在共同特征由外生变量的函数解释的半参数因子模型中，如何从数据选择共同函数的数量，并保留其可解释性？
- 方法与思路
- 作者提出函数型两次交叉验证方法 FTCV，利用两步交叉验证保证函数因子的正交性，并据此选择共同函数数量。
- 材料陈述的贡献
- 摘要称，FTCV 在多数模拟情形中优于已有方法；以市场波动为外生变量的应用展示了国债收益率和股票相关性的解释。
- 阅读关注点
- 应核对两步验证的样本划分、正交性实现、函数估计方式，以及选择共同函数数量与传统选择因子数量的具体区别。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出选择准确率、比较方法细节或理论保证的具体条件。
原文摘要
The semiparametric factor model serves as a vital tool to describe the dependence patterns in the data. It recognizes that the common features observed in the data are actually explained by functions of specific exogenous variables.Unlike traditional factor models, where the focus is on selecting the number of factors, our objective here is to identify the appropriate number of common functions, a crucial parameter in this model. In this paper, we develop a novel data-driven method to determine the number of functional factors using cross validation (CV). Our proposed method employs a two-step CV process that ensures the orthogonality of functional factors, which we refer to as Functional Twice Cross-Validation (FTCV). Extensive simulations demonstrate that FTCV accurately selects the number of common functions and outperforms existing methods in most cases.Furthermore, by specifying market volatility as the exogenous force, we provide real data examples that illustrate the interpretability of selected common functions in characterizing the influence on U.S. Treasury Yields and the cross correlations between Dow30 returns.