High frequency factor analysis with partially observable factors
含部分可观测因子的高频因子分析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：摘要直接讨论高频数据中的可观测与潜在因子，并处理微观结构噪声、跳跃及非同步观测。
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
含部分可观测因子的高频因子分析
- 研究问题
- 当可观测因子与潜在因子同时存在时，如何利用高频数据估计因子结构，并兼顾模型解释性与拟合能力？
- 方法与思路
- 作者提出部分可观测因子模型，并开发高频估计方法；摘要称该方法可同时应对跳跃、微观结构噪声及非同步观测。
- 材料陈述的贡献
- 摘要所述贡献是把可观测与潜在因子纳入同一高频框架，并提供针对三类观测干扰的估计方法，兼顾解释性与拟合。
- 阅读关注点
- 应核对两类因子的识别与归一化方式、稳健性所需条件，以及跳跃、噪声和非同步观测共同存在时的理论与实现。
- 阅读边界
- 仅依据所给出版社摘要；摘要未说明具体识别条件、收敛速度或实证效果，不能据此判断解释性与拟合改善的幅度。
原文摘要
This paper considers a novel factor structure – Partially Observable Factor Model – where both observable factors and latent factors exist in the model simultaneously. Such factor structure can make sure both interpretability and goodness-of-fit at the same time. Necessary estimation methodologies for this partially observable factor model are developed in this paper for the high frequency data. The proposed estimation methodology is robust to jumps, microstructure noise and asynchronous observation times simultaneously.