用于资产定价的面板耦合矩阵-张量聚类

本文通过引入一种新颖的面板耦合矩阵-张量聚类（PMTC）模型，解决了传统资产定价模型的局限性。它利用特征张量和收益矩阵来提高聚类精度和因子载荷估计，特别是在噪声和稀疏数据场景中。多数据源的整合和计算高效算法的开发是关键贡献。对美国股票的实证应用表明了其实用价值，显示了样本外表现的提高。

• •引入用于资产定价的面板耦合矩阵-张量聚类（PMTC）模型。
• •整合特征张量和收益矩阵，以改进聚类和因子载荷估计。
• •在模拟中优于单源替代方案。
• •通过提高美国股票的样本外表现，证明了其实用价值。