近似因子模型因子个数选择方法的比较研究

发布时间：2024-02-23 18:32

　　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...

【文章页数】：49 页

【学位级别】：硕士

【部分图文】：

图4-1苹果数据对数差分后的时序图

图4-1苹果数据对数差分后的时序图

图4-3雅培制药数据对数差分后的时序图

图4-3雅培制药数据对数差分后的时序图4-3展示出雅培制药的收盘价数据转化为对数收益率后的结果的附近随机波动，没有明显的周期变化或者是增减趋势，基本上

图4-2苹果数据对数差分后的单位根检验图

图4-2苹果数据对数差分后的单位根检验图由图4-2可知，苹果的ADF单位根检验统计量的值为42.699863.433564，则该序列为平稳序列，结合图4-1，我们可以知道苹果数据经对数差分处理后的序列平稳。图4-3雅培制药数据对数差分后的时序图图4-3展....

图4-4雅培制药数据对数差分后的单位根检验图

图4-4雅培制药数据对数差分后的单位根检验图类似地，由图4-4可知，雅培制药的ADF单位根检验统计量的值为44.021683.433564，则该序列为平稳序列，结合图4-3，我们也可以判断雅培制药经数据处理后的序列平稳。

本文编号：3907787