A Randomized Sequential Procedure to Determine the Number of Factors
确定因子数量的随机化序贯程序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：摘要明确研究静态近似因子模型、共同因子数量与协方差特征值，直接对应所列因子模型方向。
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
确定因子数量的随机化序贯程序
- 研究问题
- 在静态近似因子模型中，如何利用共同因子对应特征值发散、其他特征值有界的差异，确定共同因子的数量？
- 方法与思路
- 作者直接基于估计特征值构造随机化统计量，检验某一特征值是否发散，再通过一系列序贯检验估计因子数量。
- 材料陈述的贡献
- 摘要称，该程序仅要求数据满足较少假设，无需对因子、载荷或特异误差另作假设，并提供因子数的序贯确定方法。
- 阅读关注点
- 应核对所谓最少数据假设的具体内容、随机化方式、序贯停止规则，以及样本维度和样本量增长如何影响检验。
- 阅读边界
- 仅据版本未注明的索引摘要；摘要未列出数据条件及序贯程序的误差控制，不能把无需分项假设理解为完全无条件。
原文摘要
This article proposes a procedure to estimate the number of common factors k in a static approximate factor model. The building block of the analysis is the fact that the first k eigenvalues of the covariance matrix of the data diverge, while the others stay bounded. On the grounds of this, we propose a test for the null that the ith eigenvalue diverges, using a randomized test statistic based directly on the estimated eigenvalue. The test only requires minimal assumptions on the data, and no assumptions are required on factors, loadings or idiosyncratic errors. The randomized tests are then employed in a sequential procedure to determine k. Supplementary materials for this article are available online.