Determining the number of factors in a large-dimensional generalised factor model
大维广义因子模型中的因子个数确定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。
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：摘要直接研究大横截面与长时间维度下的广义因子模型及因子个数选择，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
大维广义因子模型中的因子个数确定
- 研究问题
- 在横截面维度与时间维度均较大、假设较严格因子模型宽松的广义因子模型中，如何准确估计因子个数并减少过度估计？
- 方法与思路
- 作者利用随机矩阵理论构造噪声方差的偏差校正估计量，再据此建立三种信息准则，并通过模拟与真实数据分析考察表现。
- 材料陈述的贡献
- 摘要称，所提出的因子个数估计量具有一致性，模拟与应用显示其估计更准确，并能避免部分既有方法的过度估计。
- 阅读关注点
- 应核对广义因子模型允许的误差相关结构、因子强度、横截面与时间维度的增长关系，以及信息准则一致性的具体条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明具体假设、模拟设定和比较幅度，不能据此判断普遍优势。
原文摘要
This paper proposes new estimators of the number of factors for a generalised factor model with more relaxed assumptions than the strict factor model. Under the framework of large cross-sections $N$ and large time dimensions $T$, we first derive the bias-corrected estimator $\hat σ^2_*$ of the noise variance in a generalised factor model by random matrix theory. Then we construct three information criteria based on $\hat σ^2_*$, further propose the consistent estimators of the number of factors. Finally, simulations and real data analysis illustrate that our proposed estimations are more accurate and avoid the overestimation in some existing works.