Inference for time-varying factor models under local stationarity
局部平稳条件下时变因子模型的推断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。
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：摘要明确研究局部平稳时间序列的时变因子模型、因子数量及载荷推断。
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
局部平稳条件下时变因子模型的推断
- 研究问题
- 当因子载荷及其维度随时间变化、因子和特异项仅局部平稳时，如何估计载荷空间、有效因子数量并检验载荷恒定？
- 方法与思路
- 作者提出自适应筛估计和时变矩阵特征值分析，并通过比较整体与局部协方差矩阵的零空间构造自助法检验。
- 材料陈述的贡献
- 摘要称，因子数量估计具有一致性，检验无需因子及误差整体平稳或因子协方差恒定，并涵盖白噪声与序列相关特异误差。
- 阅读关注点
- 核对局部平稳性、因子强度和时间维度增长条件，以及筛复杂度选择、零空间比较和高维自助法有效性的要求。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，不能判断载荷维度变化的具体限制、检验功效或真实数据表现，也不推断后续刊本变化。
原文摘要
This paper considers estimation of and testing for a class of locally stationary time series factor models with evolutionary dynamics, where the entries and dimension of the factor loading matrix are allowed to vary with time while the factors and idiosyncratic components are locally stationary. We propose an adaptive sieve estimator for the span of the time-varying loading matrix of a locally stationary factor process. A uniformly consistent estimator of the effective number of factors is developed via eigenanalysis of a non-negative definite time-varying matrix. We also propose a possibly high-dimensional bootstrap test for the hypothesis of constant factor loadings by comparing the kernels of the covariance matrices of the whole time series with their local counterparts. This test avoids the assumption that factors and idiosyncratic errors are stationary or the covariance matrix of factors is time-invariant. Our results cover both cases of white noise idiosyncratic errors and serially correlated idiosyncratic errors. We examine the finite sample performance of our proposed estimator and test via simulation studies and real data analysis.