真实数据下的因子模型：因子数量的鲁棒估计
最优化与控制
2018-06-13 v2
摘要
因子模型是一种通过少量公共相关因子来描述高维数据向量的非常有效的方法。这一在许多学科中具有根本重要性的问题，通常被重新表述为如下数学形式。给定可用数据的协方差矩阵 Sigma。Sigma 必须可加地分解为两个半正定矩阵 D 和 L 之和：D（用于解释影响可用数据向量各分量认知的特异噪声）必须是对角矩阵，且 L 必须具有尽可能小的秩，以便用尽可能少的独立因子来描述可用数据。然而在实践中，矩阵 Sigma 从未被精确知晓，因此必须根据数据进行估计，从而实际可用的仅是 Sigma 的近似。本文讨论了由这种不确定性引起的问题，并提供了一种策略来处理鲁棒估计因子数量的问题。
引用
@article{arxiv.1709.01168,
title = {Factor Models with Real Data: a Robust Estimation of the Number of Factors},
author = {Valentina Ciccone and Augusto Ferrante and Mattia Zorzi},
journal= {arXiv preprint arXiv:1709.01168},
year = {2018}
}
备注
arXiv admin note: text overlap with arXiv:1708.00401