AOF Quant Learning Base

Regressed PCA & Semiparametric Factor Models — 7 papers + synthesis
Kei Matsumae · 2026-05-15 · v0.1

A self-contained learning base covering the 7 papers that lead up to Chen, Roussanov & Wang (2023) and feed directly into the AOF quant model. Each paper has a bilingual lecture note + PDF (where freely available). Reading order is the order that builds understanding fastest, from statistical foundations to the headline paper.

Dependency map

flowchart TB BN["01 Bai & Ng (2002)
K-selection"] B03["02 Bai (2003)
Inference for PCA"] ON["03 Onatski (2010)
Eigenvalue-ratio"] CL["04 Connor-Linton (2007)
semiparametric loadings"] FNW["05 FNW (2020)
36-char panel + LASSO"] KPS["06 Kelly-Pruitt-Su (2019)
IPCA (benchmark)"] KKN["07 Kim-Korajczyk-Neuhierl (2020)
arbitrage portfolios"] CRW["08 Chen-Roussanov-Wang (2023)
regressed-PCA — AOF target"] AOF["Synthesis
AOF Quant Model Blueprint"] BN --> B03 BN --> ON CL --> KPS FNW --> KPS FNW --> KKN KPS --> CRW KKN --> CRW ON --> CRW B03 --> CRW CRW --> AOF style CRW fill:#fbe9c4,stroke:#b8651e,stroke-width:2px style AOF fill:#f4eaf6,stroke:#7a3e87,stroke-width:2px

Papers

01

Bai & Ng (2002)

"Determining the Number of Factors in Approximate Factor Models"
Foundation: how to choose $K$. Six penalised information criteria. Default selector when $N$ and $T$ are large.
 02

Bai (2003)

"Inferential Theory for Factor Models of Large Dimensions"
Inference layer. Asymptotic distributions for PCA factor and loading estimates. Analytical SEs when $T$ is long.
 03

Onatski (2010)

"Determining the Number of Factors from Empirical Distribution of Eigenvalues"
Eigenvalue-ratio test. Robust to weak factors. Direct ancestor of CRW's $\hat K$ selector.
 04

Connor & Linton (2007)

"Semiparametric Characteristic-Based Factor Model"
Conceptual seed. First semiparametric factor model in finance — loadings as functions of characteristics.
 05

Freyberger, Neuhierl & Weber (2020)

"Dissecting Characteristics Nonparametrically"
The data panel. 36 firm characteristics × ~12k US stocks. Adaptive group LASSO identifies which 15 (full-sample) survive joint test.
 06

Kelly, Pruitt & Su (2019) — IPCA

"Characteristics Are Covariances"
The direct benchmark. Linear in characteristics, joint TS+XS objective, claims no mispricing with 5 factors. The model AOF must beat.
 07

Kim, Korajczyk & Neuhierl (2020)

"Arbitrage Portfolios"
Triangulation. Independent methodology, same conclusion: mispricing exists at exploitable scale. Useful starter implementation.
 08

Chen, Roussanov & Wang (2023) — CRW

"Semiparametric Conditional Factor Models"
The headline paper. Regressed-PCA: 2-step estimator with nonparametric $\alpha, \beta$, fixed-$T$ asymptotics, Sharpe-3 arbitrage. AOF target.
 99

Synthesis — AOF Quant Model Blueprint

how all 7 papers compose into the AOF model
Concrete model architecture. Each design choice cites the paper that justifies it.

At-a-glance

#PaperYearYear-1 contribution to AOF model
01Bai & Ng2002$K$ selection (large-panel default)
02Bai2003analytical SE for factor estimates
03Onatski2010$K$ selection (weak-factor / small-$T$)
04Connor & Linton2007conceptual frame: loadings = functions of characteristics
05FNW202036-char list + which to keep
06KPS — IPCA2019benchmark to beat
07KKN2020starter portfolio + reality check
08CRW2023target model — full implementation

How to use this

  1. Read 01 → 02 → 03 in sequence to nail the statistical foundations.
  2. Read 04 → 05 → 06 → 07 to understand the finance-specific literature.
  3. Read 08 last — by this point, the contribution structure is crystal clear.
  4. Then the synthesis note for the actual AOF build plan.

Each note is ~2,000–5,000 words, bilingual (English / Japanese), with MathJax equations, Mermaid diagrams, and "What this gives AOF" callouts. Designed to be read in any sequence — but the order above is fastest.

v0.1 · 2026-05-15

AOF クオンツ学習ベース

回帰型 PCA とセミパラメトリックファクターモデル — 論文 7 本＋統合論
松前 景一郎 · 2026-05-15 · v0.1

Chen, Roussanov & Wang (2023) に至り、AOF クオンツモデルに直接フィードする 7 本の論文を網羅する自己完結型の学習ベース。各論文に日英対訳の講義ノート＋PDF（自由入手可能な場合）。読書順は出版順ではなく、統計的基礎から本命論文へと最短距離で理解を構築する順序。

依存マップ

flowchart TB BN["01 Bai & Ng (2002)
K 選択"] B03["02 Bai (2003)
PCA の推測理論"] ON["03 Onatski (2010)
固有値比"] CL["04 Connor-Linton (2007)
セミパラメトリックローディング"] FNW["05 FNW (2020)
36 特性パネル＋LASSO"] KPS["06 Kelly-Pruitt-Su (2019)
IPCA（ベンチマーク）"] KKN["07 Kim-Korajczyk-Neuhierl (2020)
アービトラージポートフォリオ"] CRW["08 Chen-Roussanov-Wang (2023)
regressed-PCA — AOF 目標"] AOF["統合論
AOF クオンツモデル設計図"] BN --> B03 BN --> ON CL --> KPS FNW --> KPS FNW --> KKN KPS --> CRW KKN --> CRW ON --> CRW B03 --> CRW CRW --> AOF style CRW fill:#fbe9c4,stroke:#b8651e,stroke-width:2px style AOF fill:#f4eaf6,stroke:#7a3e87,stroke-width:2px

論文一覧

01

Bai & Ng (2002)

「近似ファクターモデルにおけるファクター数の決定」
基礎：$K$ の選び方。6 つのペナルティ付き情報量基準。$N, T$ が大きい場合のデフォルトセレクター。
 02

Bai (2003)

「大次元ファクターモデルの推測理論」
推測層。PCA ファクター・ローディング推定値の漸近分布。$T$ が長い場合の解析的 SE。
 03

Onatski (2010)

「固有値の経験分布によるファクター数の決定」
固有値比検定。弱因子にロバスト。CRW の $\hat K$ セレクターの直接の祖先。
 04

Connor & Linton (2007)

「セミパラメトリック特性ベースファクターモデル」
概念的種。ファイナンスにおける最初のセミパラメトリックファクターモデル — ローディングを特性の関数として扱う。
 05

Freyberger, Neuhierl & Weber (2020)

「特性のノンパラメトリック分解」
データパネル。36 企業特性 × 約 12k 米国株。Adaptive group LASSO がフルサンプルで 15 特性を同時検定で生存させる。
 06

Kelly, Pruitt & Su (2019) — IPCA

「特性は共分散である」
直接のベンチマーク。特性に線形、TS+XS 同時目的、5 ファクターでミスプライシングなしと主張。AOF が超えるべきモデル。
 07

Kim, Korajczyk & Neuhierl (2020)

「アービトラージ・ポートフォリオ」
三角検証。方法論が独立、同じ結論：ミスプライシングが exploit 可能な規模で存在。初期実装にも有用。
 08

Chen, Roussanov & Wang (2023) — CRW

「セミパラメトリック条件付きファクターモデル」
本命論文。regressed-PCA：ノンパラ $\alpha, \beta$、固定 $T$ 漸近、シャープ > 3 のアービトラージ。AOF レプリケーションの目標。
 99

統合論 — AOF クオンツモデル設計図

7 論文を AOF モデルに合成する
具体的なモデルアーキテクチャ。各設計判断にそれを正当化する論文の引用を付す。

一覧表

#論文年AOF モデルへの初年度貢献
01Bai & Ng2002$K$ 選択（大パネルデフォルト）
02Bai2003ファクター推定値の解析的 SE
03Onatski2010$K$ 選択（弱因子・短 $T$）
04Connor & Linton2007概念フレーム：ローディング ＝ 特性の関数
05FNW202036 特性リスト＋採択指針
06KPS — IPCA2019超えるべきベンチマーク
07KKN2020初期ポートフォリオ＋リアリティチェック
08CRW2023目標モデル — 完全実装

使い方

  1. 01 → 02 → 03 を順に読み、統計的基礎を固める。
  2. 04 → 05 → 06 → 07 を読み、ファイナンス固有の文献を理解。
  3. 08 を最後に読む — この時点で貢献構造が極めて明確。
  4. その後、統合論で実際の AOF 構築プランへ。

各ノートは約 2,000〜5,000 語、日英対訳、MathJax 数式、Mermaid 図、「AOF への貢献」コールアウト付き。任意の順序で読めるよう設計しているが、上記順序が最速。