Wavelet Estimation for Factor Models with Time-Varying Loadings
时变载荷因子模型的小波估计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：摘要明确研究高维共同因子、时变载荷及主成分估计，直接对应因子模型；未提供宏观预测或结构变化检验的证据。
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…
时变载荷因子模型的小波估计
- 研究问题
- 如何在高维数据中估计随时间变化的因子载荷，并兼容平稳与非平稳共同因子，以扩大因子模型的应用范围？
- 方法与思路
- 作者提出两阶段估计：先用主成分估计共同因子，再将估计因子视为已观测，利用小波函数与迭代广义最小二乘估计时变载荷。
- 材料陈述的贡献
- 摘要称，该模型同时容纳平稳和非平稳因子，并通过蒙特卡洛模拟考察有限样本表现，应用于北欧电力市场的价格与负荷。
- 阅读关注点
- 应核对因子与时变载荷的识别限制、小波展开及迭代算法设定，以及第一阶段因子估计误差如何影响第二阶段结果。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收。摘要未说明一致性条件、模拟数值及电力市场应用的具体发现。
原文摘要
We introduce a high-dimensional factor model with time-varying loadings. We cover both stationary and nonstationary factors to increase the possibilities of applications. We propose an estimation procedure based on two stages. First, we estimate common factors by principal components. In the second step, considering the estimated factors as observed, the time-varying loadings are estimated by an iterative generalized least squares procedure using wavelet functions. We investigate the finite sample features by some Monte Carlo simulations. Finally, we apply the model to study the Nord Pool power market's electricity prices and loads.