Estimation and Inference for High Dimensional Factor Model with Regime Switching
载荷状态切换的高维因子模型：估计与推断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：摘要以高维因子模型为核心，并研究载荷状态切换及经济周期转折点检测，分别直接对应因子模型与结构变化。
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
载荷状态切换的高维因子模型：估计与推断
- 研究问题
- 当高维因子模型的载荷随状态切换时，如何联合估计因子、载荷与状态，并在横截面和时间依赖下开展统计推断？
- 方法与思路
- 作者采用最大似然或准似然估计，通过 EM 算法迭代计算状态概率和加权协方差矩阵的主成分，并递归计算平滑状态概率。
- 材料陈述的贡献
- 摘要称，论文建立载荷和因子估计的一致性、收敛速度与极限分布，并展示高维条件下快速识别状态切换及经济周期应用。
- 阅读关注点
- 应核对高维渐近框架、状态区分条件与因子归一化，尤其检查切换后仅一次观测即可一致识别的确切条件和渐近含义。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及接收未核实；摘要未说明维度增长条件、状态可识别限制或转折点检测误差。
原文摘要
This paper proposes maximum (quasi)likelihood estimation for high dimensional factor models with regime switching in the loadings. The model parameters are estimated jointly by the EM (expectation maximization) algorithm, which in the current context only requires iteratively calculating regime probabilities and principal components of the weighted sample covariance matrix. When regime dynamics are taken into account, smoothed regime probabilities are calculated using a recursive algorithm. Consistency, convergence rates and limit distributions of the estimated loadings and the estimated factors are established under weak cross-sectional and temporal dependence as well as heteroscedasticity. It is worth noting that due to high dimension, regime switching can be identified consistently after the switching point with only one observation. Simulation results show good performance of the proposed method. An application to the FRED-MD dataset illustrates the potential of the proposed method for detection of business cycle turning points.