Journal of Time Series Analysis· 2026Q1
Zaman Serilerinde Yüksek Boyutlu Yaklaşık Faktör Modelleri için Temel Bileşen Analizi: Varsayımlar, Asimptotik Teori ve Tanımlama
Principal Component Analysis for High‐Dimensional Approximate Factor Models in Time Series: Assumptions, Asymptotic Theory, and Identification
- 3atıf
- Q1SCImago
- 2026yıl
Kısa özet
Temel Bileşen Analizi (TBA), hem kesitsel hem de örneklem boyutları sonsuza doğru büyüdüğünde, yüksek boyutlu durağan zaman serisi panellerindeki büyük yaklaşık faktör modellerini tutarlı bir şekilde tahmin eder.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- TBA, yüksek boyutlu durağan zaman serisi panellerindeki büyük yaklaşık faktör modellerini tutarlı bir şekilde tahmin eder.
- TBA tahmincilerinin tutarlılığı ve asimptotik normalliği, hem kesitsel hem de örneklem boyutları sonsuza doğru büyüdüğünde elde edilir.
- Ortak ve bireysel bileşenler yalnızca limit durumunda tanımlanır.
- Faktörleri ve yükleri benzersiz bir şekilde belirlemek için kısıtlamalar gereklidir ve bu durum istatistiksel çıkarımı etkiler.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
ABSTRACT We consider estimation of large approximate factor models in high‐dimensional panels of stationary time series using Principal Component Analysis (PCA). We review the key results establishing the necessary and sufficient conditions for consistency and asymptotic normality of the estimators, which hold when both the cross‐sectional dimension and the sample size tend to infinity. Special emphasis is placed on identification. First, we show that the common and idiosyncratic components are identified only in the limit . Second, we discuss the restrictions required to uniquely determine factors and loadings and examine their consequences for statistical inference.
Yazarların özeti; kaynağından alınmıştır. Journal of Time Series Analysis, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Sinyal İşleme
Signal ProcessingComputer Science