因子藏在噪声边缘

你在嘈杂的房间里听合唱。最响的主旋律很容易认出来，难的是判断背景里那条若隐若现的和声：它究竟由许多人共同唱出，还是碰巧叠在一起的杂音。高维金融数据也有同样的问题。研究者希望从大量资产的共同涨跌中找出“全局因子”——能同时推动许多资产的共同来源。漏掉它，风险模型就可能把系统性风险错当成各只资产自己的噪声。

Andrés García-Medina 的这篇论文把目光放在最难判断的位置：随机矩阵相变的边缘。作者提出 iterative global factor（IGF）算法，不只看一个候选信号有多强，还看它是否真的广泛分布在大量资产上。论文的理论、模拟和实证结论均来自作者单篇预印本，尚无独立信源交叉验证。

难点不在强信号，而在边界附近

资产相关矩阵可以拆成一组特征值和特征向量。特征值表示某个共同方向的强弱；特征向量则说明这个方向由哪些资产共同构成。传统思路常先看特征值：特别大的值可能对应真实因子，其余则可能只是有限样本造成的随机波动。

问题在于，当资产数量与观察期数差不多时，纯随机数据也会产生一整片特征值。随机矩阵理论用 Marčenko–Pastur 分布描述这片“噪声谱”，其上沿就是 Marčenko–Pastur 谱边缘。候选特征值明显越过上沿，比较像信号；留在里面，则更像噪声。

但这个界线不是泾渭分明的。BBP phase transition——弱信号从埋在噪声谱中，到形成独立异常特征值的临界过程——恰好描述了这种灰色地带。临界点附近，真实弱因子可能只比噪声边缘高一点，也可能仍混在噪声里。只凭特征值，很容易漏检或得到含糊结果。

IGF 多问了一个问题

IGF 的第一步仍然看谱，但它不把噪声边界一次定死。算法每识别一个候选因子，就从剩余特征值中重新估计有效噪声水平，再计算新的 Marčenko–Pastur 上沿。估计时使用剩余谱的中位数，因为少量突出的“大值”通常不容易把中位数带偏。

这像是在合唱中先拿掉最响的声部，再根据剩下的声音重新判断房间底噪。此前被强声部影响的微弱和声，可能因此显露出来。算法会沿特征值排序逐步检查；当下一个候选值不再超过重新估计的噪声边缘时，顺序搜索停止。

关键的第二步是 participation ratio（PR，参与率）。它衡量一个特征向量究竟分散在多少资产上。若一个方向几乎只集中在一只资产，PR 很低；若许多资产都以相近程度参与，PR 就高。论文要找的是“全局”因子，因此候选值越过谱边缘后，还必须通过 PR 的去局域化过滤——也就是确认它没有挤在少数资产上。

在 Brown–Harding（BH）因子模型的特定渐近条件下，作者推导出两条参照线。强共同载荷下，最领先、最一致的特征向量 $u_{1}$ 满足

$P R (u_{1}) / p \to 1,$

其中 $p$ 是资产数量。这表示它几乎铺满整个资产集合。弱因子方向和典型的特异性样本特征向量则满足

$P R (u) / p \to 1 / 3 .$

后一个结果很微妙：弱因子与典型噪声方向都可能相当分散，所以 PR 不能单独证明一个因子存在。IGF 的判断顺序因此很重要：先要求特征值从剩余噪声谱中分离，再用 PR 排除只作用于少数资产的局部方向。两项证据各自不够，组合起来才构成筛选条件。

模拟中，它在最难处找回了因子

作者在 BH 模型上进行了 Monte Carlo 模拟，每组设置重复 100 次。论文报告，IGF 在 BBP 临界区附近能够恢复模型预先设定的真实因子数。仅依赖特征值的 Tracy–Widom、Marčenko–Pastur 上沿和 Onatski test，则需要更大的维度才能接近正确结果，或者在作者考察的范围内仍未恢复真实数量。

这不是“IGF 全面优于现有方法”的证据。比较发生在特定 BH 模型、参数和阈值设置下。它更直接支持一个较窄、但有价值的判断：当弱因子刚刚靠近噪声边缘时，动态重估底噪，再检查特征向量是否足够广泛，可能比只盯着特征值多获得一层辨别力。

放到 S&P 500，看到的是候选方向

论文还分析了 S&P 500 成分公司从 2005 年1月至2022年12月的收盘价数据。作者保留缺失观察少于 5% 的公司，以线性插值补齐缺失值，再计算对数收益率。实证部分使用移动窗口，共得到 185 个窗口，相邻窗口约错开一个月。

PR 阈值并非直接从理论常数照搬。作者先用与实证维度相匹配的 BH 合成移动窗口进行校准，再把得到的操作阈值用于真实收益率。结果中，Onatski test 在多数窗口只识别出一个因子；IGF 检出的数量大致在 4 到 14 之间波动，中位数为 7。

作者称这组结果比 Onatski test “更丰富、更动态”。更克制的读法是：在这套数据处理、窗口和合成校准下，IGF 保留了更多广泛分布、且越过自适应谱边缘的统计方向。论文也明确提醒，这些是统计因子，不能直接解释成具有明确经济含义的风险因子。它们更像第一轮候选名单，之后仍需与已有经济因子做回归和解释。

为什么值得关注

因子数量不是一个纯学术参数。少算一个全局因子，可能把共同风险拆散进个体噪声；多算几个伪因子，又可能让风险模型变得不稳定。IGF 最值得注意的地方，不是给出“正确数量”的万能答案，而是改变了边缘信号的审查方式：既看它有没有冒出噪声谱，也看它是否真的横跨大量资产。

这对随机矩阵方法是一个自然补充。特征值回答“这股力量够不够突出”，特征向量回答“它影响得够不够广”。在强信号区，两者可能给出相同答案；到了 BBP 临界区，第二个问题才开始真正重要。

局限与未知

PR 阈值是针对论文所用实证维度校准的操作参数，不是跨市场、频率和时期都成立的 universal constant。
S&P 500 的“中位数 7”来自这一套移动窗口与数据处理方案；论文没有证明这些统计方向具有稳定的经济含义。
当前方法仍要求候选特征值先与噪声谱分离。真正藏在 Marčenko–Pastur bulk 内部的 subcritical factors，仍是作者留给后续研究的问题。