消息首页搜索举报

高维面板数据因子模型理论、方法与应用

全新正版极速发货

30.94 4.0折 78 全新

仅1件

广东广州

认证卖家担保交易快速发货售后保障

作者方国斌,马慧敏著

出版社经济管理出版社

ISBN9787509684344

出版时间2022-07

装帧平装

开本16开

定价78元

货号1202676238

上书时间2024-11-16

大智慧小美丽

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 17小时
好评率暂无

最新上架

毛姆经典短篇集 ¥9.04

财务会计(概念方法与应用原书第14版) ¥56.22

真草书千字文 ¥17.01

100件武器中的世界简史 ¥71.67

飘来飘去的云 ¥12.98

人鬼情未了 ¥0.85

为官之诫 ¥21.24

马季老师给我的思考 ¥7.63

不完美的花园 ¥21.26

商品详情

品相描述：全新

商品描述: 作者简介
    方国斌，男，安徽财经大学统计与应用数学学院经济统计系主任，教授，硕士生导师。中国人民大学统计学院博士，中国人民大学环境学院理论经济学博士后。美国北伊利诺伊大学（NIU）统计系访问学者。中国商业统计学会、中国统计教育学会理事；中国数量经济学会长江三角洲经济研究会、中国优选法统筹法与经济数学研究会高等教育经济管理分会常务理事。在《统计研究》、《数理统计与管理》等国内外期刊公开发表科研论文40余篇。其中3篇论文被人大报刊复印资料《统计与精算》全文转载。主持国家社会科学基金等项目10余项。作为项目组主要成员参加国家社会科学基金重点项目和国家自然科学基金重点项目等国家级项目6项。主要研究领域为金融计量经济学、面板数据分析、金融深度学习等。

目录
第一章  绪论

第一节  本书研究内容

一、动态混合双因子模型（DMDFM）

二、离散面板数据动态因子模型（DPDFM）

三、面板数据因子随机波动模型（Factor PDSVM或PFSVM）

第二节  结构安排

第三节  本书创新点

一、拓宽了高维面板数据降维的思路

二、针对不同的面板数据类型构建与之对应的动态因子模型

三、提供了几种不同模型的估计方法并对每种方法进行了改进

四、从理论上对各个模型的估计结果的有关统计性质进行了证明

五、明确了相应模型的适用领域并对某些模型进行了应用研究

第二章  因子模型形式拓展

第一节  因子模型的一般形式

第二节  宏观因子模型

一、单因子模型

二、多因子模型

第三节  行业因子模型

一、BARRA因子模型

二、Fama-French因子模型

第四节  统计因子模型

一、主成分法

二、极大似然法

第五节  动态因子模型

一、动态因子模型和静态因子模型

二、严格（精确）动态因子模型

三、近似动态因子模型

四、广义动态因子模型

五、滞后公因子模型

第六节  多因子模型在互联网金融市场的应用

第三章  高维面板数据降维与因子模型估计

第一节  高维面板数据降维和变量选择方法

第二节  高维因子模型建模策略

第三节  动态因子模型的设定与估计方法

第四节  面板数据因子模型的贝叶斯推断

第四章  高维面板数据动态混合双因子模型

第一节  引言

第二节  面板数据动态混合双因子模型

一、面板数据因子模型

二、面板数据动态混合双因子模型

三、动态混合双因子模型的特例

第三节  模型的识别和假设

第四节  模型估计

一、因子分解与因子个数的选择

二、估计过程

三、估计结果

四、理论性质及其证明

第五节  数值模拟

第六节  本章小结

第五章  高维离散面板数据动态因子模型

第一节  引言

第二节  离散面板数据动态因子模型设定

一、模型的基本形式

二、模型假设

第三节  基于GEE的模型估计

一、离散面板数据因子模型估计方法的选择

二、随机效应和固定效应模型估计过程的实现

三、基于GEE的DPDFM估计的理论性质

第四节  ┄数值模拟

第五节  非交易日对股票价格涨跌的影响

第六节  本章小结

第六章  高维面板数据因子随机波动模型

第一节  引言

第二节  因子面板数据随机波动模型的设定

一、面板数据随机波动模型

二、因子面板数据随机波动模型

第三节  因子面板数据随机波动模型估计和计算过程

一、预先处理

二、潜变量及相关参数的后验分布设定

三、联合参数的MCMC算法

四、因子分解的MCMC算法

五、动态波动方程的FFBS估计

第四节  数值模拟

第五节  互联网金融和传统金融上市公司对比分析

第六节  结论和进一步研究

第七章  结论与展望

第一节  主要结论

第二节  进一步研究展望

附录一

附录二

附录三

附录四

附录五

参考文献

后记

内容摘要
随着大数据时代的到来，社会经济现象中的海量数据处理面临很多问题，一方面需要从数据中寻找社会经济现象的共同变化规律，另一方面还需要对高维数据进行降维。因子分析方法恰好能做到这两点。因此，在大型数据集处理中因子模型被广泛使用。为了与宏观和行业因子模型区别开来，这里统计的因子是指需要通过统计方法进行估计的潜在因子。潜在因子的统计分析主要采用因子模型实现，如果与其他统计模型相结合，能够形成各种类型的统计因子模型。

本书从因子模型的理论基础入手，结合面板数据进行分析，阐述几种常见的因子模型的基本形式并结合应用予以推广；着重介绍因子模型的设定、估计和应用；提出三种新的高维面板数据因子模型：高维面板数据动态混合双因子模型、高维受限因变量面板数据因子模型、高维面板数据因子随机波动模型。分别介绍了三种模型的基本类型设定以及估计方法，并将其应用于解决经济金融领域的实际问题。这几类模型虽然构造形式各异，但是都有各自的应用场合。其中的大多数方法在实践中都可以结合统计软件予以实现。因子模型的应用领域包括经济学、金融学、社会学、消费者行为研究，等等。