A Testing Procedure for Determining the Number of Factors in Approximate Factor Models With Large Datasets
大规模数据近似因子模型中确定因子数量的检验程序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：摘要直接研究大量经济变量的近似因子模型及因子数选择，因子结构是核心对象，最直接对应因子模型方向。
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
大规模数据近似因子模型中确定因子数量的检验程序
- 研究问题
- 在大量经济变量构成的近似因子模型中，如何通过检验确定共同因子的数量，并应对横截面相关与时间相关对因子数估计的影响？
- 方法与思路
- 作者以检验程序替代信息准则来估计高维模型的因子数，考察方法的理论性质及横截面、时间依赖下的表现，并使用蒙特卡洛实验进行评估。
- 材料陈述的贡献
- 摘要称该程序对相当程度的横截面和时间依赖具有稳健性，并通过理论分析及大规模蒙特卡洛研究展示表现，结果支持其作为已有方法的备选。
- 阅读关注点
- 重点核对检验统计量与因子数选择规则、横截面和时间依赖的允许范围，以及理论结果的适用条件和蒙特卡洛中的比较基准与样本设计。
- 阅读边界
- 摘要未说明检验统计量、具体依赖条件、样本维度比例或模拟数值；所谓有利结果仅是作者概述，不能据此判断其在所有情形下优于信息准则。
原文摘要
The paradigm of a factor model is very appealing and has been used extensively in economic analyses. Underlying the factor model is the idea that a large number of economic variables can be adequately modeled by a small number of indicator variables. Throughout this extensive research activity on large dimensional factor models a major preoccupation has been the development of tools for determining the number of factors needed for modeling. This article provides an alternative method to information criteria as a tool for estimating the number of factors in large dimensional factor models. The new method is robust to considerable cross-sectional and temporal dependence. The theoretical properties of the method are explored and an extensive Monte Carlo study is undertaken. Results are favorable for the new method and suggest that it is a reasonable alternative to existing methods.