• 统计研究中心
当前位置: 首页> 系列讲座> 正文

新加坡国立大学 夏应存教授: DOUBLE CROSS VALIDATION FOR THE NUMBER OF FACTORS IN APPROXIMATE FACTOR MODELS

光华讲坛——社会名流与企业家论坛第5451期

主题:DOUBLE CROSS VALIDATION FOR THE NUMBER OF FACTORS IN APPROXIMATE FACTOR MODELS

主讲人:新加坡国立大学 夏应存教授

主持人:统计学院统计研究中心 林华珍教授

时间:2019年6月20日(星期四)下午4:00-5:00

地点:西南财经大学柳林校区弘远楼408会议室

主办单位:统计研究中心 统计学院 科研处

主讲人简介:

夏应存教授,1999年获得香港大学统计学博士学位,2000年至2001年在伦敦政治经济学院统计系任助理研究员,2000年至2003年为剑桥大学动物学系助理研究员,2003至今在新加坡国立大学统计与应用概率系工作。现任Annals of Statistics, Computational Statisticsand Data Analysis等期刊的副主编。夏应存的研究兴趣包括非参数回归分析,半参数降维,计量经济及金融时间序列分析,高维数据分析,环境与健康的统计分析。在重要学术期刊PNAS, AoS, JASA, JESSB, American Naturist, JoE等发表多篇论文。  部分论文在JRSSB,Statistical Sciences及statistica Sinica等期刊上专题讨论;Nature News等十几家学术媒体对其工作做过专题报道。夏应存2011年入选国家千人计划,2014年获EconometricTheory Multa Scripsit奖。2018年为任新西兰PBRF Panel成员。

主要内容:

Determining the number of factors is essential to factor analysis. In this paper, we propose an efficient cross validation (CV) method to determine the number of factors in approximate factor models. The method applies CV twice, first along the directions of observations and then variables, and hence is referred to hereafter as double cross-validation (DCV). Unlike most CV methods, which are prone to over-fitting, DCV is statistically consistent in determining the number of factors when both dimension of variables and sample size are sufficiently large. Simulation studies show that DCV has outstanding performance in comparison to existing methods in selecting the number of factors, especially when the idiosyncratic error has heteroscedasticity, or heavy tail, or relatively large variance.

确定因素的数量对因子分析至关重要。 在本文中,我们提出了一种有效的交叉验证(CV)方法来确定近似因子模型中的因子数量。 该方法应用CV两次,首先沿着观察方向然后沿着变量,因此在下文中称为双交叉验证(DCV)。 与大多数易于过度拟合的CV方法不同,当变量的维度和样本量足够大时,DCV在确定因子数量方面具有统计学上的一致性。 仿真研究表明,DCV在选择因子数量方面与现有方法相比具有突出的性能,特别是当特异性误差具有异方差性,或重尾或相对较大的方差时。

 


上一条:新加坡国立大学 余涛副教授: Pairwise-rank-likelihood methods for the semiparametric transformation model

下一条:中国人民大学 艾春荣教授: Efficient Estimation of Counterfactual Distributions and Testing Distributional Treatment Effects