[論文レビュー] Estimation and Inference for CP Tensor Factor Models

Bin Chen, Yuefeng Han+1 more|arXiv (Cornell University)|Jun 25, 2024

NMR spectroscopy and applications被引用数 4

ひとこと要約

本稿は、CP分解を用いた高次元テンソル要因モデルにおける、反復的同時射影推定法を提案する。弱い自己相関および弱い次元間相関のもとで、一貫性および漸近正規性を達成可能である。シミュレーションおよび実応用において、既存手法を上回る性能を示し、固有値比に基づく推定法により要因数の一貫推定が可能である。

ABSTRACT

High-dimensional tensor-valued data have recently gained attention from researchers in economics and finance. We consider the estimation and inference of high-dimensional tensor factor models, where each dimension of the tensor diverges. Our focus is on a factor model that admits CP-type tensor decomposition, which allows for non-orthogonal loading vectors. Based on the contemporary covariance matrix, we propose an iterative simultaneous projection estimation method. Our estimator is robust to weak dependence among factors and weak correlation across different dimensions in the idiosyncratic shocks. We establish an inferential theory, demonstrating both consistency and asymptotic normality under relaxed assumptions. Within a unified framework, we consider two eigenvalue ratio-based estimators for the number of factors in a tensor factor model and justify their consistency. Simulation studies confirm the theoretical results and an empirical application to sorted portfolios reveals three important factors: a market factor, a long-short factor, and a volatility factor.

研究の動機と目的

• 発散するテンソル次元を有する高次元テンソル要因モデルのための、頑健な推定および推論フレームワークの構築を目的とする。
• 因子の自己共分散に基づく手法の限界を克服するため、特に因子に弱いまたは無自己相関が成り立つ状況下でも、現在の共分散行列を用いる。
• 弱い仮定のもとで一貫性、収束速度、漸近正規性を確立する漸近理論を構築する。
• 要因数選択のための固有値比に基づく推定法をテンソル要因モデルに拡張し、その一貫性を証明する。
• ファイナンスおよび国際貿易分野におけるシミュレーションおよび実世界の応用を通じて、有限標本における優れた性能を示す。

提案手法

• 自己共分散構造に依存しない、現在の共分散行列に基づく反復的同時射影推定法を提案する。
• 一般化された固有値比アプローチを用いて潜在的要因数の数を推定し、AhnとHorenstein（2013）の手法をテンソルデータに拡張する。
• テンソルデータの低ランク構造をモデル化するため、非直交のローディングベクトルを用いたCP分解を採用する。
• 射影に基づく反復アルゴリズムを用いてローディングベクトルを推定し、一貫性および漸近正規性を保証する。
• 不測ショックの弱い自己相関および弱い次元間相関のもとで、収束速度および極限分布を導出する。
• シミュレーションスタディおよび2つの実応用（並べ替えポートフォリオおよび国際的貿易フロー）を通じて、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 現在の共分散行列に基づく推定法は、発散する次元を有する高次元テンソル要因モデルにおいて、一貫性および漸近正規性を達成できるか？
• RQ2 提案された反復的射影法は、因子間に弱い自己相関および不測誤差の弱い次元間相関がある状況下で、どのように性能を示すか？
• RQ3 固有値比に基づく推定法は、テンソル要因モデルにおいて要因数を一貫して推定できるか？
• RQ4 提案手法は、有限標本において、従来の自己共分散に基づく手法やPCAに基づく手法を上回る性能を示すか？
• RQ5 弱いモーメントおよび依存仮定のもとで、推定ローディングベクトルの漸近正規性の理論的根拠は何か？

主な発見

• 提案された反復的射影推定法は、弱い自己相関および弱い次元間相関を含む緩い仮定のもとで、一貫性および漸近正規性を達成する。
• 提案された枠組みのもとで、要因数の固有値比に基づく推定法は一貫性を示し、古典的結果をテンソルデータに拡張する。
• シミュレーション結果から、提案手法はAC-ISOおよびTPCAを上回る推定精度を示し、特に因子過程に中程度から強い自己相関がある状況で顕著である。
• 並べ替えポートフォリオおよび国際的貿易フローへの実応用から、本手法の実世界における実用的利点が示された。
• 理論的分析により、ローディングベクトルの推定誤差の主要項が信号強度および因子構造に依存することが確認され、適切なスケーリングのもとで中心極限定理の根拠が得られた。
• 因子に弱いまたはゼロの自己相関がある場合、自己共分散に基づく手法が失敗する状況でも、本手法は依然として頑健である。