Factor models with local factors — Determining the number of relevant factors
含局部因子的因子模型：相关因子数量的确定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：摘要研究通用因子模型，未提供将其归入宏观因子或金融因子的明确应用依据。
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…
关注这篇论文的作者
含局部因子的因子模型：相关因子数量的确定
- 研究问题
- 当因子只影响未知的一部分变量时，如何区分经济上重要的因子与主成分能够估计的因子，并确定相关因子数量？
- 方法与思路
- 作者将局部因子纳入因子模型，分析影响范围与可估计性的关系，并联合使用协方差矩阵的特征值和特征向量估计因子数。
- 材料陈述的贡献
- 摘要称，论文区分了经济重要性与主成分可估计性，并发现引入特征向量部分和的新估计量在模拟中显著改善表现。
- 阅读关注点
- 应核对局部因子影响范围的增长设定、经济重要性的定义，以及特征向量部分和的构造方式与因子数一致性条件。
- 阅读边界
- 所给出版社摘要未说明相关因子的具体阈值、模拟设计或改善幅度，也未指定宏观或金融应用，不能据此推断领域表现。
原文摘要
We extend the theory on factor models by incorporating “local” factors into the model. Local factors affect only an unknown subset of the observed variables. This implies a continuum of eigenvalues of the covariance matrix, as is commonly observed in applications. We derive which factors are pervasive enough to be economically important and which factors are pervasive enough to be estimable using the common principal component estimator. We then introduce a new class of estimators to determine the number of those relevant factors. Unlike existing estimators, our estimators use not only the eigenvalues of the covariance matrix, but also its eigenvectors. We find that incorporating partial sums of the eigenvectors into our estimators leads to significant gains in performance in simulations.