Jump factor models in large cross‐sections
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We develop tests for deciding whether a large cross‐section of asset prices obey an exact factor structure at the times of factor jumps. Such jump dependence is implied by standard linear factor models. Our inference is based on a panel of asset returns with asymptotically increasing cross‐sectional dimension and sampling frequency, and essentially no restriction on the relative magnitude of these two dimensions of the panel. The test is formed from the high‐frequency returns at the times when the risk factors are detected to have a jump. The test statistic is a cross‐sectional average of a measure of discrepancy in the estimated jump factor loadings of the assets at consecutive jump times. Under the null hypothesis, the discrepancy in the factor loadings is due to a measurement error, which shrinks with the increase of the sampling frequency, while under an alternative of a noisy jump factor model this discrepancy contains also nonvanishing firm‐specific shocks. The limit behavior of the test under the null hypothesis is nonstandard and reflects the strong‐dependence in the cross‐section of returns as well as their heteroskedasticity which is left unspecified. We further develop estimators for assessing the magnitude of firm‐specific risk in asset prices at the factor jump events. Empirical application to S&P 100 stocks provides evidence for exact one‐factor structure at times of big market‐wide jump events.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle