Discrepancy Between Global and Local Principal Component Analysis on Large-Panel High-Frequency Data
大规模面板高频数据中全局与局部主成分分析的差异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：摘要明确研究高频面板中的共同因子空间及主成分估计，直接关联因子模型与高频计量方法。
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…
大规模面板高频数据中全局与局部主成分分析的差异
- 研究问题
- 全局与局部主成分分析重构的共同成分有何差异？能否利用这一差异检验大规模面板高频数据的因子空间是否随时间变化？
- 方法与思路
- 作者以两种方法重构共同成分的差异平方和度量偏离，推导因子空间不变时的渐近分布，并据此构造时间不变性检验。
- 材料陈述的贡献
- 摘要称因子空间变化且满足信号条件时差异度量发散；模拟检验尺寸与检出能力，所给应用显示跨周时间变化证据。
- 阅读关注点
- 核对高频观测机制、局部窗口和维度增长要求，以及时间变化的信号条件；检查应用中跨周结论的样本与检验范围。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未说明资产或具体数据，应用中的跨周发现不能推广至所有高频面板。
原文摘要
In this article, we study the discrepancy between the global principal component analysis (GPCA) and local principal component analysis (LPCA) in recovering the common components of a large-panel high-frequency data. We measure the discrepancy by the total sum of squared differences between common components reconstructed from GPCA and LPCA. The asymptotic distribution of the discrepancy measure is provided when the factor space is time invariant as the dimension p and sample size n tend to infinity simultaneously. Alternatively when the factor space changes, the discrepancy measure explodes under some mild signal condition on the magnitude of time-variation of the factor space. We apply the theory to test the invariance in time of the factor space. The test performs well in controlling the Type I error and detecting time-varying factor spaces. This is checked by extensive simulation studies. A real data analysis provides strong evidences that the factor space is always time-varying within a time span longer than one week.