Single-Index Quantile Factor Model with Observed Characteristics
结合可观测特征的单指标分位数因子模型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：摘要直接建立债券收益的分位数因子模型，并重点分析尾部分位点和状态依赖风险暴露，支持金融因子与尾部风险分类。
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
结合可观测特征的单指标分位数因子模型
- 研究问题
- 如何通过大量债券或股票特征简洁刻画分位数因子载荷，并分析公司债收益分布及尾部风险暴露的动态变化？
- 方法与思路
- 作者用单指标投影连接可观测特征与未知载荷函数，实施三步筛估计，并推导因子、载荷函数及指标参数的渐近性质。
- 材料陈述的贡献
- 摘要称模型在模拟及公司债收益应用中表现良好，尤其在尾部分位点优于所列基准，并揭示由特征驱动的状态依赖暴露。
- 阅读关注点
- 应核对因子与指标的归一化、筛维数选择、样本外评估设计，以及尾部改善是否反映稳定的风险暴露识别。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实；摘要未给出完整渐近条件、改善幅度和比较细节，不能认定普遍优于基准。
原文摘要
We propose a characteristics-augmented quantile factor (QCF) model, where unknown factor loading functions are linked to a large set of observed individual-level (e.g., bond- or stock-specific) covariates via a single-index projection. The single-index specification offers a parsimonious, interpretable, and statistically efficient way to nonparametrically characterize the time-varying loadings, while avoiding the curse of dimensionality in flexible nonparametric models. Using a three-step sieve estimation procedure, the QCF model demonstrates high in-sample and out-of-sample accuracy in simulations. We establish asymptotic properties for estimators of the latent factor, loading functions, and index parameters. In an empirical study, we analyze the dynamic distributional structure of U.S. corporate bond returns from 2003 to 2020. Our method outperforms the benchmark quantile Fama-French five-factor model and quantile latent factor model, particularly in the tails ($τ=0.05, 0.95$). The model reveals state-dependent risk exposures driven by characteristics such as bond and equity volatility, coupon, and spread. Finally, we provide economic interpretations of the latent factors.