A rank test for the number of factors with high-frequency data
使用高频数据检验因子数量的秩检验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：摘要明确使用含微观结构噪声的高频价格面板，并通过组合波动率矩阵的秩检验因子数量，直接覆盖三个所选方向。
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
使用高频数据检验因子数量的秩检验
- 研究问题
- 在受市场微观结构噪声污染的大型高频面板中，如何不仅估计因子数量，还获得可用于检验的极限分布？
- 方法与思路
- 作者构造固定数量的分散化组合降维，利用因子数量与组合波动率矩阵秩的渐近对应，通过低维价格动态的波动率秩开展检验。
- 材料陈述的贡献
- 摘要称，建立了因子数量估计的中心极限定理，并将渐近正态性用于因子数量检验；模拟与真实数据分析用于支持理论。
- 阅读关注点
- 应核对组合构造保留因子秩的条件、微观结构噪声处理、波动率秩估计，以及整数因子数量与中心极限定理的准确表述。
- 阅读边界
- 仅据所列出版社摘要，采样方案、噪声假设及统计量定义未说明；因子数量估计的分布结论需依据全文中的具体对象理解。
原文摘要
In the literature, consistency of the estimates of the number of factors for large-dimensional factor models had been extensively studied recently. But the second-order property of the estimator has long been unsolved due to lack of limiting distribution of the estimators. In this paper, we propose a rank test of the number of factors using large panel high-frequency data contaminated with microstructure noise. The rank test is realized by forming a fixed number of portfolios which reduce the dimension to a finite number. In the process of constructing portfolios, the number of factors is equal to the rank of the volatility matrix of the diversified portfolios asymptotically. Via estimating the volatility rank of a low-dimensional price dynamics of the portfolios, we establish a central limit theorem of the estimated factor number. We then apply the asymptotic normality to testing on the number of factors. Numerical experiments including the Monte-Carlo simulations and real data analysis justify our theory.