×
孔新兵;刘志;周，王

使用高频数据对因子数量进行秩检验。 （英语） Zbl 1452.62776号

《经济学杂志》。 211，编号2，439-460（2019）.
摘要：在文献中，最近广泛研究了大维度因子模型的因子数估计的一致性。但由于缺乏估计量的极限分布，估计量的二阶性质一直没有得到解决。在本文中，我们提出了一种利用受微观结构噪声污染的大型面板高频数据对因子数量进行秩检验的方法。秩检验是通过形成固定数量的投资组合来实现的，这些投资组合将维数减少到有限个数。在构建投资组合的过程中，因子的数量渐近等于多元化投资组合的波动矩阵的秩。通过估计投资组合低维价格动力学的波动率秩，我们建立了估计因子数的中心极限定理。然后，我们将渐近正态性应用于因子数的测试。包括蒙特卡罗模拟和实际数据分析在内的数值实验证明了我们的理论。

引用于5文件

MSC公司：

62P05号 统计学在精算科学和金融数学中的应用
2005年6月2日 马尔可夫过程：估计；隐马尔可夫模型
62H25个 因子分析和主成分；对应分析
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62甲12 多元分析中的估计
60F05型 中心极限和其他弱定理

关键词：

连续时间因子模型;高维Itô过程;特殊过程
PDF格式BibTeX公司 XML格式引用
\textit{X.-B.Kong}等人，《经济学杂志》。211，No.2，439--460（2019；Zbl 1452.62776）
全文： DOI程序

参考文献：

[1] Ahn，S。；Horenstein，A.，因子数量的特征值比率检验，《计量经济学》，811203-1227（2013）·Zbl 1274.62403号
[2] 阿伊特萨赫利亚，Y。；Jacobd，J.，《高频金融计量经济学》（2012），普林斯顿大学出版社·Zbl 1298.91018号
[3] 阿伊特萨赫利亚，Y。；Xiu，D.，使用主成分分析估计高频数据的高维因子模型，《计量经济学杂志》，201，384-399（2017）·Zbl 1377.62148号
[4] 阿伊特萨赫利亚，Y。；Xiu，D.，高频数据的主成分分析，J.Amer。统计师。协会（2018），（印刷中）
[6] 张伯伦，G。；Rothschild，M.，套利、因子结构和大型资产市场的均值-方差分析，计量经济学，511281-1304（1983）·Zbl 0523.90017号
[7] Christensen，K。；Kinnebrock，S。；Podolskij，M.，含非同步数据的噪声扩散模型中事后协方差矩阵的预平均估计，《计量经济学杂志》，159116-133（2010）·Zbl 1431.62472号
[8] 康纳，G。；Korajczyk，R.，《近似因子模型中因子数量的测试》，J.Finance，48，1263-1291（1993）
[9] 戴，C。；卢克。；秀，D，知道因子或因子载荷，还是两者都不知道？利用噪声和异步数据评估大协方差矩阵的估计量，《计量经济学杂志》，208，1，43-79（2018）·Zbl 1452.62758号
[10] 戴维斯；卡汉，特征向量的扰动旋转，（I I I ^ ast），SIAM J.Numer。分析。，7, 1-46 (1970) ·Zbl 0198.47201号
[11] 范，J。；Furger，A。；Xiu，D.，《将全球行业分类标准纳入投资组合配置：一种基于高频数据的简单因子的大协方差矩阵估计器》，J.Bus。经济。统计人员。，34, 489-503 (2016)
[13] Jacod，J。；李毅。；密克兰，P.A。；波多尔斯基，M。；Vetter，M.，连续情况下的微观结构噪声：预平均方法，随机过程。申请。，119, 2249-2276 (2009) ·Zbl 1166.62078号
[14] Jacod，J。；Podolskij，M.，《波动过程秩的检验：随机扰动方法》，Ann.Statist。，41, 2391-2427 (2013) ·Zbl 1292.62126号
[15] Jacod，J。；Rosenbaum，M.，《四次性和波动性的其他函数：有效估计》，Ann.Statist。，41, 1462-1484 (2013) ·Zbl 1292.60033号
[16] Jing，B.Y。；Kong，X.B。；刘，Z.，用纯跳跃模型建模高频财务数据，Ann.Statist。，40, 759-784 (2012) ·Zbl 1273.62195号
[17] Jing，B.Y。；Kong，X.B。；刘，Z。；Mykland，P.，《关于半鞅上的跳跃活动指数》，《计量经济学》，166，213-223（2012）·Zbl 1441.62754号
[18] Jing，B.Y。；刘，Z。；Kong，X.B.，《带跳跃和微观结构噪声的综合波动率估计》，J.Bus。经济。统计人员。，32, 457-467 (2014)
[19] Kim，D。；Kong，X.B.先生。；李，C。；Wang，Y.，基于高频金融数据的大波动率矩阵估计的自适应阈值，《计量经济学》，203，69-79（2018）·Zbl 1386.62037号
[20] Kong，X.B.，《关于高频数据中常见因素的数量》，Biometrika，104，397-410（2017）·Zbl 1506.62325号
[21] Kong，X.B.，《关于大面板高频数据的综合系统和特质波动性》，《统计年鉴》。，46, 3, 1077-1108 (2018) ·兹比尔1450.62103
[22] Kong，X.B。；刘，Z。；Jing，B.Y.，《高频数据的纯跳跃过程测试》，Ann.Statist。，43, 847-877 (2015) ·Zbl 1312.62101号
[23] Kritchman，S。；Nadler，B.，《从有限的噪声数据确定因子模型中的成分数量》，Chemmeter。智力。实验室系统。，94, 19-32 (2008)
[24] 李，J。；托多罗夫，V。；Tauchen，G.，跳跃回归，计量经济学，85，173-195（2017）·Zbl 1410.62205号
[25] 刘，C。；Tang，C.Y.，高频数据协方差矩阵的拟最大似然法，《计量经济学杂志》，180，217-232（2014）·Zbl 1293.91196号
[26] Onatski，A.，《关于大因子模型中因子数量的测试假设》，《计量经济学》，第77期，第1447-1479页（2009年）·Zbl 1182.62180号
[27] Pelger，M.，基于高频观察的大维度因子建模，《计量经济学杂志》，208，23-42（2018）·Zbl 1452.62786号
[28] 股票，J。；Watson，M.，《使用大量预测因子的主成分进行预测》，J.Amer。统计师。协会，97，1167-1179（2002）·Zbl 1041.62081号
[29] Stock，J.，Watson，M.，2005年。动态因子模型对VAR分析的影响。NBER第11467号工作文件。；Stock，J.，Watson，M.，2005年。动态因子模型对VAR分析的影响。NBER第11467号工作文件。
[30] 陶，M。；Wang，Y。；周海华，具有测量误差的高维Itóprocess的最优稀疏波动矩阵估计，Ann.Statist。，41, 1816-1864 (2013) ·Zbl 1281.62178号
[31] Wang，Y。；邹，J.，高频金融数据的巨大波动矩阵估计，Ann.Statist。，38, 943-978 (2010) ·Zbl 1183.62184号
[32] Xiu，D.，高频数据波动性的准最大似然估计，《计量经济学》，159，235-250（2010）·兹比尔1431.62485
[33] 张，L。；密克兰，P.A。；《两个时间尺度的故事：用含噪高频数据确定综合波动率》，阿伊特·萨哈利亚，Y.著，J.Amer。统计师。协会，1001394-1411（2005）·Zbl 1117.62461号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。