Efficient estimation of factor models with time and cross‐sectional dependence
兼具时间与横截面依赖的因子模型的有效估计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。
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：摘要明确研究大维因子模型中因子及载荷空间的估计，直接对应因子模型方向。
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
兼具时间与横截面依赖的因子模型的有效估计
- 研究问题
- 当大维因子模型同时存在时间和横截面依赖时，如何有效估计因子及载荷空间，平稳因子与单位根因子情形又有何区别？
- 方法与思路
- 作者假设协方差矩阵在横截面与时间维度上可分离，推导平稳因子下因子及载荷空间估计的渐近分布，并讨论单位根因子情形。
- 材料陈述的贡献
- 摘要称，所给可行估计量在模拟的有限样本中比主成分估计更有效，并将方法用于 Lee–Carter 模型及预期寿命预测。
- 阅读关注点
- 核对协方差可分离假设及可行估计步骤，区分平稳与单位根情形，并查看相对主成分法的效率比较和寿命预测评价。
- 阅读边界
- 摘要未说明协方差估计细节、模拟覆盖范围及寿命预测误差；有限样本效率优势不能直接推广至不满足可分离假设的数据。
原文摘要
Summary This paper studies the efficient estimation of large‐dimensional factor models with both time and cross‐sectional dependence assuming ( N , T ) separability of the covariance matrix. The asymptotic distribution of the estimator of the factor and factor‐loading space under factor stationarity is derived and compared to that of the principal component (PC) estimator. The paper also considers the case when factors exhibit a unit root. We provide feasible estimators and show in a simulation study that they are more efficient than the PC estimator in finite samples. In application, the estimation procedure is employed to estimate the Lee–Carter model and life expectancy is forecast. The Dutch gender gap is explored and the relationship between life expectancy and the level of economic development is examined in a cross‐country comparison.