Testing common structure in high-dimensional factor models: change-point and two-sample procedures
高维因子模型共同结构检验：变点与双样本程序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。
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：摘要明确检验高维因子载荷的共同结构和时间变化，并应用于宏观经济指标。
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
高维因子模型共同结构检验：变点与双样本程序
- 研究问题
- 如何检验两个高维因子模型的载荷矩阵是否在线性变换意义下共享结构，并用于跨数据集比较及单个模型的时间结构变化检测？
- 方法与思路
- 作者构造共同载荷结构检验，研究统计量的渐近行为，以模拟考察检验尺寸和功效，并分析美国宏观载荷变化及美韩指标结构相似性。
- 材料陈述的贡献
- 摘要称检验可识别线性变换下的共同载荷结构，并用于缩小经典变点问题的备择范围；模拟对尺寸和功效表现提供支持。
- 阅读关注点
- 应核对共同结构的精确定义、允许的线性变换、因子数与维度增长条件，以及变点位置处理和双样本检验的实施差异。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出统计量、正则条件或应用检验结果，无法判断具体检验性能。
原文摘要
This work proposes a novel procedure to test for common structures across two high-dimensional factor models. The introduced test allows to uncover whether two factor models are driven by the same loading matrix up to some linear transformation. The test can be used to discover inter-individual relationships between two datasets. In addition, it can be applied to test for structural changes over time in the loading matrix of an individual factor model. The test aims to reduce the set of possible alternatives in a classical change-point setting. The theoretical results establish the asymptotic behavior of the introduced test statistic. The theory is supported by a simulation study showing promising results in empirical test size and power. Two real data applications are considered: the first investigates changes in the loadings of the celebrated US macroeconomic dataset of Stock and Watson, and the second examines similarities of the loadings of macroeconomic indicators for the US and South Korea.