[论文解读] Learning Latent Factors From Diversified Projections and Its Applications to Over-Estimated and Weak Factors

Jianqing Fan, Yuan Liao|arXiv (Cornell University)|Aug 4, 2019

Spatial and Panel Data Analysis参考文献 51被引用 10

一句话总结

本文提出了一种基于多样化横截面投影的稳健因子估计方法，可在因子数量被过度估计、样本量较小或存在强时间序列依赖的情况下，一致地估计潜在因子。通过将面板数据投影到预设的多样化权重上，该方法避免了对特征向量的依赖，并在弱条件下确保因子载荷和协方差结构的一致估计。

ABSTRACT

Estimations and applications of factor models often rely on the crucial condition that the number of latent factors is consistently estimated, which in turn also requires that factors be relatively strong, data are stationary and weakly serially dependent, and the sample size be fairly large, although in practical applications, one or several of these conditions may fail. In these cases, it is difficult to analyze the eigenvectors of the data matrix. To address this issue, we propose simple estimators of the latent factors using cross-sectional projections of the panel data, by weighted averages with predetermined weights. These weights are chosen to diversify away the idiosyncratic components, resulting in “diversified factors.” Because the projections are conducted cross-sectionally, they are robust to serial conditions, easy to analyze and work even for finite length of time series. We formally prove that this procedure is robust to over-estimating the number of factors, and illustrate it in several applications, including post-selection inference, big data forecasts, large covariance estimation, and factor specification tests. We also recommend several choices for the diversified weights. Supplementary materials for this article are available online.

研究动机与目标

• 解决当因子数量被过度估计，或时间序列较短且存在强序列相关性时因子估计不一致的问题。
• 克服传统主成分估计器依赖特征向量所带来的局限性，这些方法在信号噪声比弱或非平稳条件下会失效。
• 开发一种即使在真实因子数量被低估或不存在共同因子时仍保持有效的估计方法。
• 即使因子维度模型设定错误，也能在因子增强模型中实现可靠的推断。
• 为高维因子模型提供一种理论基础坚实、计算简便的特征向量替代方法。

提出的方法

• 提出一种新的因子估计量 $\widehat{\mathbf{f}}_t = \frac{1}{N} \mathbf{W}' \mathbf{x}_t$，其中 $\mathbf{W}$ 是一个确定性的 $N \times R$ 维权重矩阵。
• 通过横截面投影消除特异成分，利用平均化方法确保估计误差 $\mathbf{e}_t = \frac{1}{N} \mathbf{W}' \mathbf{u}_t$ 在 $N \to \infty$ 时以概率收敛于零。
• 通过要求 $\text{rank}(\frac{1}{N} \mathbf{W}' \mathbf{B}) = r$ 且奇异值有界，确保权重矩阵 $\mathbf{W}$ 保持因子结构。
• 通过分解式 $\widehat{\mathbf{f}}_t = (\frac{1}{N} \mathbf{W}' \mathbf{B}) \mathbf{f}_t + \mathbf{e}_t$ 建立估计量的理论一致性，表明因子空间可被一致估计。
• 通过证明当 $R \geq r$ 时估计量仍保持一致且适用于推断，展示其对因子数量过度估计的鲁棒性。
• 将该方法应用于多种场景：选择后推断、大数据预测、大协方差矩阵估计以及因子设定检验。

实验结果

研究问题

• RQ1 当因子数量被过度估计，特别是在信号噪声比弱的情况下，因子估计是否仍能保持一致？
• RQ2 如何使因子估计对短时间序列和强序列依赖具有鲁棒性，从而克服传统主成分方法的局限？
• RQ3 对权重矩阵 $\mathbf{W}$ 需要满足何种条件，才能在保留因子结构的同时消除特异噪声？
• RQ4 即使不存在共同因子，但估计出的因子仍被提取时，是否仍可在因子增强模型中实现有效的统计推断？
• RQ5 在弱或非平稳成分存在的高维面板数据中，所提出的基于投影的估计量是否能优于或替代基于特征向量的方法？

主要发现

• 所提出的多样化因子估计量 $\widehat{\mathbf{f}}_t = \frac{1}{N} \mathbf{W}' \mathbf{x}_t$ 在 $R > r$ 的情况下仍能一致估计真实因子空间，前提是权重具有多样性且因子结构得以保持。
• 估计误差 $\mathbf{e}_t = \frac{1}{N} \mathbf{W}' \mathbf{u}_t$ 随着 $N \to \infty$ 以概率收敛于零，确保对特异噪声的鲁棒性。
• 该方法对因子数量的过度估计具有鲁棒性：即使 $r = 0$ 但 $R \geq 1$，有效推断依然成立，允许进行“保险”因子提取。
• 该估计量避免依赖特征向量，因此对时间序列依赖具有鲁棒性，且适用于有限 $T$ 情况。
• 理论界 bounds 表明 $\| \frac{1}{N} \mathbf{W}' (\widehat{\boldsymbol{\Sigma}}_u - \boldsymbol{\Sigma}_u) \mathbf{W} \| = O_P(\frac{g_{NT}^2}{N^2 \nu_{\min}^2}) \sum_{\sigma_{u,ij} \neq 0} 1 + O_P(\frac{1}{N \sqrt{NT} \nu_{\min}^3})$，确保协方差估计的一致性。
• $\widehat{\sigma}^2$ 以概率收敛于真实方差 $\sigma^2$，证实了在所提框架下误差方差估计的一致性。