近日，由西南财经大学数据科学与商业智能联合实验室黄光麟博士、西南财经大学管理科学与工程学院鲁万波教授、比利时根特大学 Kris Boudt 教授合作完成的论文 “Estimation of factors using higher-order multi-cumulants in weak factor models” 被计量经济学国际顶级学术期刊《Journal of Business & Economic Statistics》正式接收。
内容简介
针对弱因子场景中基于协方差的传统因子分析方法性能显著退化的问题，本文在非高斯数据框架下提出了一种全新的估计方法 —— 高阶多累积量因子分析（HFA）。该方法通过对高阶多累积量矩阵与其转置的乘积进行特征值分解，能够联合估计潜在因子与因子载荷矩阵。本文在弱因子模型假设下严格推导了 HFA 估计量的渐近性质，该模型假设数据的非高斯性仅来源于不可观测的潜在因子，而特质误差项服从高斯分布。大量蒙特卡洛模拟表明，当因子为弱非高斯因子时，HFA 在因子个数识别与因子载荷估计精度上，均显著优于主成分分析等传统协方差方法。最后，本文将所提方法应用于 FRED-MD 宏观经济数据集，实证结果显示，HFA 识别出的因子能够有效提升月度股权溢价的样本外预测能力。
作者简介
黄光麟，西南财经大学数据科学与商业智能联合实验室博士后，主要从事金融风险管理、大规模复杂数据分析等领域的研究。
鲁万波，西南财经大学管理科学与工程学院教授，主要从事金融时间序列分析、计量经济学理论等领域的研究。
Kris Boudt，比利时根特大学经济与工商管理学院教授，主要从事金融计量经济学、高维数据分析、风险管理和量化投资方法等领域的研究。
