Using principal component analysis to estimate a high dimensional factor model with high-frequency data

این مقاله یک برآوردگر برای تعدادی از عوامل مشترک در محیط ایجاد می کند که هر دو فرکانس نمونه برداری و تعداد متغیرها افزایش می یابد. تجربی، ما مستند می کنیم که ماتریس کوواریانس یک مجموعه بزرگ از سهام ایالات متحده به خوبی با یک ساختار مشترک با رتبه پایین با ماتریس باقی مانده کمرنگ است. هنگامی که برای تخصیص نمونه کارهای غیر نمونه کار می کنید، برآوردگر پیشنهادی به طور کلی برآورد کننده کوواریانس نمونه بهتر عمل می کند.