LOCALLY STATIONARY FACTOR MODELS: IDENTIFICATION AND NONPARAMETRIC ESTIMATION
局部平稳因子模型：识别与非参数估计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：摘要明确提出大横截面、大时间维度的近似因子模型，并研究时变载荷的估计。
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…
局部平稳因子模型：识别与非参数估计
- 研究问题
- 当高维数据的因子载荷随时间平滑变化、二阶矩随之变化时，如何识别和估计因子结构，并建立估计量的一致性？
- 方法与思路
- 作者提出局部平稳近似因子模型，以非参数估计协方差矩阵的特征向量估计载荷，在横截面与时间维度同时增长下分析一致性。
- 材料陈述的贡献
- 摘要称，论文将平稳近似因子模型的主成分一致性结论扩展到局部平稳情形，给出相应条件，并通过模拟展示估计表现。
- 阅读关注点
- 应核对因子与载荷的识别归一化、平滑程度、带宽选择、噪声协方差特征值限制，以及两个维度增长所需的具体关系。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定识别条件、收敛速率或边界时点表现；平滑变化设定是否容纳突变亦未说明，刊本变化未说明。
原文摘要
In this paper we propose a new approximate factor model for large cross-section and time dimensions. Factor loadings are assumed to be smooth functions of time, which allows considering the model as locally stationary while permitting empirically observed time-varying second moments. Factor loadings are estimated by the eigenvectors of a nonparametrically estimated covariance matrix. As is well known in the stationary case, this principal components estimator is consistent in approximate factor models if the eigenvalues of the noise covariance matrix are bounded. To show that this carries over to our locally stationary factor model is the main objective of our paper. Under simultaneous asymptotics (cross-section and time dimension go to infinity simultaneously), we give conditions for consistency of our estimators. A simulation study illustrates the performance of these estimators.