Huang, Rong Chen & Yaqing Chen (2026) — Riemannian Factor Model

论文信息

• 标题: A Riemannian Factor Model for Manifold-Valued Time Series
• 作者: Shuo-Chieh Huang, Rong Chen, Yaqing Chen — 均为 Department of Statistics, Rutgers University
• venue: arXiv:2607.28385 (2026-07), working paper
• 本地归档: raw/papers/202607-riemannian-factor-model-manifold-time-series/ (paper.pdf 488 KB + extracted.md)
• 代码: github.com/shuochieh/Riemannian_factor; 数据 Yahoo! Finance

一句话

流形取值时间序列的首个有理论保证的因子模型: 在 Fréchet 均值的切空间套 Lam-Yao 动态因子模型, 高维渐近下达到维数无关 n^{-1/2} 载荷收敛率; 应用到 Bures–Wasserstein 流形上的月度实现协方差, 2 因子追平线性模型 9 因子, 因子 1 跟踪 VIX。

结构

• §2 模型 + 估计 (黎曼因子模型 (Riemannian Factor Model))
• §3 理论 (切空间失配与和乐 bound (Tangent Space Mismatch and Holonomy Bound)): Theorem 1 一般收敛率; Theorem 2 短记忆+强因子维数无关 n^{-1/2}; Proposition 3 ratio 估计器合理性
• §4 仿真: BW 流形 (补充材料) + 球积流形 (正文 Table 1-2)
• §5 实证: Bures–Wasserstein 协方差预测 (BW Covariance Forecasting)

方法谱系

• 继承: Lam et al. (2011) / Lam & Yao (2012) 欧式动态因子模型 (自协方差算子 + ratio 估计器); Bhattacharya-Patrangenaru Fréchet 均值理论; Lin & Yao (2019) Riemannian functional PCA (固定维数、独立样本、无强因子速率对照)
• 差异: 首个 Riemannian 时序因子模型; 首个 BW 流形降维应用; holonomy 证明技术; 不假设完备性
• 与 wiki 已有页: Wasserstein Ambiguity Set (BW 距离的 DRO 用法), Covariance Shrinkage Estimation (协方差估计另一路线), Marchenko-Pastur 分布与协方差病态 (高维协方差理论)

待办

• [ ] 补充材料 (supplementary, 含 BW 流形性质 S.2 与 BW 仿真 S.3) 未随主文归档, 需要时从 arXiv 下载