EFFICIENT ESTIMATION OF FACTOR MODELS
因子模型的有效估计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：摘要明确研究因子与载荷空间估计，并推导使用估计因子的预测误差方差，对应因子模型和预测方向。
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
因子模型的有效估计
- 研究问题
- 因子模型中如何改进因子空间与载荷空间的估计效率，并降低共同成分估计和利用估计因子预测时的误差方差？
- 方法与思路
- 作者从特异误差的条件正态设定推导条件极大似然估计，定义广义主成分估计，并分析其可行版本及渐近分布。
- 材料陈述的贡献
- 摘要称，广义主成分降低共同成分与预测误差的相关方差，可行版本与其渐近等价，并报告有限样本效率改善。
- 阅读关注点
- 应核对特异误差协方差结构、因子空间识别和样本维度条件，以及可行估计如何实现、效率比较针对哪些对象。
- 阅读边界
- 仅据所给Crossref摘要，不能把特定方差比较理解为普遍预测优势；非正态条件、可行实现限制和数值改善幅度未说明。
原文摘要
This paper considers the factor model X t = Λ F t + e t . Assuming a normal distribution for the idiosyncratic error e t conditional on the factors { F t }, conditional maximum likelihood estimators of the factor and factor-loading spaces are derived. These estimators are called generalized principal component estimators (GPCEs) without the normality assumption. This paper derives asymptotic distributions of the GPCEs of the factor and factor-loading spaces. It is shown that variance of the GPCE of the common component is smaller than that of the principal component estimator studied in Bai (2003, Econometrica 71, 135–172). The approximate variance of the forecasting error using the GPCE-based factor estimates is derived and shown to be smaller than that based on the principal component estimator. The feasible GPCE (FGPCE) of the factor space is shown to be asymptotically equivalent to the GPCE. The GPCE and FGPCE are shown to be more efficient than the principal component estimator in finite samples.