Testing against constant factor loading matrix with large panel high-frequency data
利用大面板高频数据检验因子载荷矩阵的时不变性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：摘要明确结合高频观测与连续时间高维因子模型，检验因子载荷是否随时间变化。
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
利用大面板高频数据检验因子载荷矩阵的时不变性
- 研究问题
- 如何利用高维高频数据检验连续时间因子模型的载荷矩阵是否恒定，并处理残差横截面依赖对统计量的影响？
- 方法与思路
- 作者提出非参数检验，为加入扰动和不加入扰动的统计量建立原假设下的中心极限定理，并开展模拟与真实数据分析。
- 材料陈述的贡献
- 摘要称，检验具有良好的尺寸和功效；无扰动统计量的收敛速率还受维度及残差横截面依赖影响，区别于低维情况。
- 阅读关注点
- 应核对高维与高频的联合渐近条件、残差依赖限制，以及扰动方案如何改变统计量的极限分布和实际检验实施。
- 阅读边界
- 所给出版社摘要未说明维度增长条件、备择形式及真实数据内容；良好的尺寸和功效仅是摘要对所考察实验的陈述。
原文摘要
In this paper, we introduce a nonparametric test against the constancy of the factor loading matrix of a high-dimensional continuous-time factor model using high-frequency data. The central limit theorems on the test statistics with and without perturbation are established under the null hypothesis that the factor loading matrix is constant as time evolves. The tests perform well in size and power. Interestingly, the test statistic without perturbation converges at a rate that depends not only on the sample size but also on the dimension through the cross-sectional dependence of the residual process, which is a distinctive feature that contrasts with the low-dimensional setting. Extensive numerical studies, including Monte Carlo simulations and real data analysis, validate the performance of our test.