近似因子模型因子个数选择方法的比较研究

论文摘要

在经济、金融、生物、医药和其他科学领域中,研究者经常要面临大数据集,因子模型由于能够有效地从大数据集中提炼信息,因此被理论研究者和实证研究者所青睐。近些年来,大量大规模高维度数据下的因子个数选择问题是统计与计量领域研究的热点与难点,基本上每年都有发表在顶级杂志的相关文献对因子个数的选择方法进行介绍、优化或创新。本文通过Monte Carlo模拟实验,比较研究了七种较为新颖和主流的近似因子模型因子个数选择方法,并且基于之前的方法,本文提出了两种新的近似因子模型因子个数的选择方法。一种是通过修正GR和TCR方法以综合两种估计方法的优点来确定近似因子模型中公共因子个数的方法,将其命名为混合比率,简称MR。另一种是通过改进Wu(2018)提出的ED方法中的压缩函数而提出一种扩展的特征值差分检验方法以确定近似因子模型中公共因子的个数,简称EED。通过对以上方法的模拟比较,结果表明,新的方法在真实地选择潜在公共因子个数上具有理想的性能,尤其是方法MR在弱因子存在时具有较好的估计效果,方法EED在主导因子存在时比其他方法有更好的估计性能。最后,以标普500的341支股票1916个连续交易日的对数收益率数据序列构建平衡面板数据集,使用不同因子个数选择方法对其进行因子个数的提取,最终确定基于实证数据的近似因子模型的公共因子个数为2。

论文目录

• 摘要
• Abstract
• 第1章 绪论
•   1.1 研究背景及意义
•     1.1.1 高维数据挖掘研究的必要性
•     1.1.2 客观确定因子个数的研究趋势
•     1.1.3 因子选择方法的比较研究具有积极重要的意义
•   1.2 国内外研究进展
•   1.3 本文的思路和结构
•   1.4 本文的创新点
• 第2章 近似因子模型及因子个数选择方法介绍
•   2.1 因子模型
•     2.1.1 经典因子模型
•     2.1.2 动态因子模型
•     2.1.3 近似因子模型
•   2.2 近似因子模型及其相关假定
•   2.3 近似因子模型因子个数选择方法
•     2.3.1 ER和 GR准则
•     2.3.2 RRE和 BIC准则
•     2.3.3 BG准则
•     2.3.4 TCR准则
•     2.3.5 ED准则
•     2.3.6 MR准则
•     2.3.7 EED准则
• 第3章 基于蒙特卡罗模拟对因子个数选择方法的比较研究
•   3.1 不同误差结构下因子个数识别能力的比较
•   3.2 弱因子影响下因子个数识别能力的比较
•   3.3 kmax值不同时因子个数识别能力的比较
•   3.4 主导因子存在时因子个数识别能力的比较
• 第4章 基于标普500股票数据的实证分析
•   4.1 数据的构建
•   4.2 数据的统计分析
•     4.2.1 描述性统计分析
•     4.2.2 KMO检验与Bartlett球状检验
•   4.3 近似因子模型的因子分析
•     4.3.1 因子个数的提取
•     4.3.2 因子分析
• 第5章 结论
•   5.1 论文结论
•   5.2 不足之处
•   5.3 论文展望
• 参考文献
• 附录
• 致谢

文章来源

类型: 硕士论文

作者: 张泓

导师: 吴鑑洪

关键词: 近似因子模型,特征值,因子个数,混合比率,扩展特征值差分检验

来源: 上海师范大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

单位: 上海师范大学

分类号: F224;F832.51

总页数: 49

文件大小: 2449K

下载量: 48