Observable versus Latent Factors
可观测因子与潜在因子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：摘要应用直接涉及股票收益中的潜在系统性风险因子，以及市场波动因子与其线性关系。
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
可观测因子与潜在因子
- 研究问题
- 可观测因子能否由高维数据中的潜在因子线性张成，这种关系在多长时间范围内稳定，如何通过统计检验加以判断？
- 方法与思路
- 作者用 PCA 提取潜在因子，检验固定区间全局投影的残差是否仍与局部 PCA 因子不相关，并在加密采样与大截面下推导渐近性质。
- 材料陈述的贡献
- 摘要称，提出完全非参数的时间稳定性检验；股票收益应用发现，市场波动因子与潜在系统性风险因子的线性关系仅在较短区间存在。
- 阅读关注点
- 应核对局部窗口选择、PCA 因子估计误差如何进入检验，以及联合渐近条件和应用中一个交易日结论对应的具体样本。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；采样频率、检验条件及实证数值未提供，单个应用的短期关系不能推广为普遍市场规律。
原文摘要
We test for temporal stability in local linear projection coefficients of observable factors on latent ones embedded in a high-dimensional vector obeying a linear factor model. The proposed test explores the fact that, under the null hypothesis, residuals from global linear projections of observable factors on latent ones, computed over a fixed time interval via Principal Component Analysis (PCA), should also be locally uncorrelated with the PCA factors. The test is fully nonparametric. Its asymptotic behavior is derived under a joint infill and large cross-section asymptotic setup. The test can be used to decide whether and over what horizon observable factors can be linearly spanned by latent ones. In an empirical application, we show that a linear relation between the market volatility factor and the latent systematic risk factors embedded in the cross-section of stock returns exists only over short periods of length of one trading day.