挖掘因子动物园：基于充分代理的潜因子模型估计
统计方法学
2023-01-04 v2 机器学习
摘要
潜因子模型估计通常依赖于利用领域知识手动选取若干观测协变量作为因子代理，或纯粹进行主成分分析等多变量分析。然而，前者方法可能存在偏差，而后者无法纳入额外信息。我们提出将这两种方法相桥接，同时允许因子代理的数量发散，从而使潜因子模型估计具有鲁棒性、灵活性且在统计上更精确。作为额外好处，因子数量也允许增长。我们方法的核心是一种结合信息的惩罚降秩回归。为了进一步处理重尾数据，提出了一种计算上易于处理的惩罚鲁棒降秩回归方法。我们建立了相较于基准更快的收敛速率。广泛的模拟与真实示例被用来说明其优势。
引用
@article{arxiv.2212.12845,
title = {Mining the Factor Zoo: Estimation of Latent Factor Models with Sufficient Proxies},
author = {Runzhe Wan and Yingying Li and Wenbin Lu and Rui Song},
journal= {arXiv preprint arXiv:2212.12845},
year = {2023}
}