Spanning latent and observable factors
潜在因子与可观测因子的空间张成检验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：摘要研究潜在与可观测因子，明确提及金融和宏观因子应用，并以风险因子及组合收益面板实证。
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…
潜在因子与可观测因子的空间张成检验
- 研究问题
- 在用少数潜在因子概括高维面板时，具有经济解释的可观测因子是否张成相同空间，如何将这一问题转化为正式统计检验？
- 方法与思路
- 作者构造潜在因子与可观测因子空间的检验，推导渐近性质并提出 bootstrap 版本，再应用于风险因子和大规模组合收益面板。
- 材料陈述的贡献
- 摘要称，bootstrap 版本改善小样本性质；实证发现少数传统风险因子或少数股票收益与大型组合收益面板存在少量共同因子。
- 阅读关注点
- 应核对空间相同与存在共同因子的区别、因子数量和旋转不确定性的处理，以及 bootstrap 设计和金融应用中因子的构造。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要；检验条件、小样本改善幅度和共同因子数量未说明，不能将共同因子的发现等同于空间完全相同。
原文摘要
Factor analysis is a widely used tool to summarize high dimensional panel data via a small dimensional set of latent factors. Many applications in finance and macroeconomics, are often focused on observable factors with an economic interpretation. The objective of this paper is to provide a test to answer a question which naturally comes up in discussions regarding latent versus observable factors: do latent and observable factors span the same space? We derive asymptotic properties of a formal test and propose a bootstrap version with improved small sample properties. We find empirical evidence for a small number of factors common between a small number of traditional Fama–French risk factors – or returns on a few stocks (i.e. “magnificent” 5 or 7) – and large panels of US, North American and international portfolio returns.