Rank Tests at Jump Events
跳跃事件中的秩检验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：摘要采用观测网格渐密的离散数据检验跳跃，并分析股票和行业组合的共同因子，对应高频计量与金融因子。
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…
跳跃事件中的秩检验
- 研究问题
- 一组过程在跳跃事件发生时具有怎样的截面秩？如何利用离散高频观测检验这一结构，并判断股票收益在市场跳跃时的共同因子维数？
- 方法与思路
- 作者先用阈值法识别跳跃事件，再计算截面增量外积的特征值；以最大 r 个之外的特征值平方和检验秩，并用重抽样实施检验。
- 材料陈述的贡献
- 摘要提出可实施的秩检验，并报告在 2007—2015 年金融数据中，行业组合与道琼斯 30 只股票在市场跳跃时支持单因子结构。
- 阅读关注点
- 全文应核对已知与随机跳跃时点的处理、阈值选择、跳跃识别误差对秩检验的影响，以及将潜在因子解释为市场跳跃大小的依据。
- 阅读边界
- 摘要中的单因子证据针对市场跳跃时点；未说明检验尺寸、功效和事件识别误差的具体表现，不能据此推广至非跳跃时期。
原文摘要
We propose a test for the rank of a cross-section of processes at a set of jump events. The jump events are either specific known times or are random and associated with jumps of some process. The test is formed from discretely sampled data on a fixed time interval with asymptotically shrinking mesh. In the first step, we form nonparametric estimates of the jump events via thresholding techniques. We then compute the eigenvalues of the outer product of the cross-section of increments at the identified jump events. The test for rank r is based on the asymptotic behavior of the sum of the squared eigenvalues excluding the largest r. A simple resampling method is proposed for feasible testing. The test is applied to financial data spanning the period 2007–2015 at the times of stock market jumps. We find support for a one-factor model of both industry portfolio and Dow 30 stock returns at market jump times. This stands in contrast with earlier evidence for higher-dimensional factor structure of stock returns during “normal” (nonjump) times. We identify the latent factor driving the stocks and portfolios as the size of the market jump.