高维面板数据因子模型:理论、方法与应用9787509684344

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。

马慧敏，女，安徽财经大学统计与应用数学学院副教授。美国北伊利诺伊大学（NIU）访问学者（2018~2019年）。迄今为止，在统计学核心期刊公开发表科研论文20余篇，有2篇论文被人大报刊复印资料《统计与精算》全文转载。主持并完成安徽省教育厅人文社会科学研究项目等多项；参与国家社会科学基金、安徽省哲学社会科学规划项目、安徽省省级高校自然科学基金和教育厅人文社会科学研究项目等10余项。主要研究领域为宏观经济统计分析、多元统计分析等。

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

笫四节统计因子模型

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

笫一节 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

笫四节数值模拟﹒

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

本书从因子分析的理论基础入手，结合面板数据进行分析。阐述因子分析方法的基本原理和分析过程。着重介绍因子模型的设定、估计和应用。提出几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和高维面板数据因子随机波动模型。分别介绍了这些模型的基本类型构建以及估计方法，并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，但是针对性较强。其中的大多数方法都可以由统计软件予以实现。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。