在經(jīng)濟(jì)、金融、生物、醫(yī)藥和其他科學(xué)領(lǐng)域中,研究者經(jīng)常要面臨大數(shù)據(jù)集,因子模型由于能夠有效地從大數(shù)據(jù)集中提煉信息,因此被理論研究者和實(shí)證研究者所青睞。近些年來,大量大規(guī)模高維度數(shù)據(jù)下的因子個(gè)數(shù)選擇問題是統(tǒng)計(jì)與計(jì)量領(lǐng)域研究的熱點(diǎn)與難點(diǎn),基本上每年都有發(fā)表在頂級(jí)雜志的相關(guān)文獻(xiàn)對(duì)因子個(gè)數(shù)的選擇方法進(jìn)行介紹、優(yōu)化或創(chuàng)新。本文通過Monte Carlo模擬實(shí)驗(yàn),比較研究了七種較為新穎和主流的近似因子模型因子個(gè)數(shù)選擇方法,并且基于之前的方法,本文提出了兩種新的近似因子模型因子個(gè)數(shù)的選擇方法。一種是通過修正GR和TCR方法以綜合兩種估計(jì)方法的優(yōu)點(diǎn)來確定近似因子模型中公共因子個(gè)數(shù)的方法,將其命名為混合比率,簡(jiǎn)稱MR。另一種是通過改進(jìn)Wu(2018)提出的ED方法中的壓縮函數(shù)而提出一種擴(kuò)展的特征值差分檢驗(yàn)方法以確定近似因子模型中公共因子的個(gè)數(shù),簡(jiǎn)稱EED。通過對(duì)以上方法的模擬比較,結(jié)果表明,新的方法在真實(shí)地選擇潛在公共因子個(gè)數(shù)上具有理想的性能,尤其是方法MR在弱因子存在時(shí)具有較好的估計(jì)效果,方法EED在主導(dǎo)因子存在時(shí)比其他方法有更好的估計(jì)性能。最后,以標(biāo)普500的341支股票1916個(gè)連續(xù)交易日的對(duì)數(shù)收益...

【文章頁數(shù)】：49 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖4-1蘋果數(shù)據(jù)對(duì)數(shù)差分后的時(shí)序圖

圖4-1蘋果數(shù)據(jù)對(duì)數(shù)差分后的時(shí)序圖

圖4-3雅培制藥數(shù)據(jù)對(duì)數(shù)差分后的時(shí)序圖

圖4-3雅培制藥數(shù)據(jù)對(duì)數(shù)差分后的時(shí)序圖4-3展示出雅培制藥的收盤價(jià)數(shù)據(jù)轉(zhuǎn)化為對(duì)數(shù)收益率后的結(jié)果的附近隨機(jī)波動(dòng)，沒有明顯的周期變化或者是增減趨勢(shì)，基本上

圖4-2蘋果數(shù)據(jù)對(duì)數(shù)差分后的單位根檢驗(yàn)圖

圖4-2蘋果數(shù)據(jù)對(duì)數(shù)差分后的單位根檢驗(yàn)圖由圖4-2可知，蘋果的ADF單位根檢驗(yàn)統(tǒng)計(jì)量的值為42.699863.433564，則該序列為平穩(wěn)序列，結(jié)合圖4-1，我們可以知道蘋果數(shù)據(jù)經(jīng)對(duì)數(shù)差分處理后的序列平穩(wěn)。圖4-3雅培制藥數(shù)據(jù)對(duì)數(shù)差分后的時(shí)序圖圖4-3展....

圖4-4雅培制藥數(shù)據(jù)對(duì)數(shù)差分后的單位根檢驗(yàn)圖

圖4-4雅培制藥數(shù)據(jù)對(duì)數(shù)差分后的單位根檢驗(yàn)圖類似地，由圖4-4可知，雅培制藥的ADF單位根檢驗(yàn)統(tǒng)計(jì)量的值為44.021683.433564，則該序列為平穩(wěn)序列，結(jié)合圖4-3，我們也可以判斷雅培制藥經(jīng)數(shù)據(jù)處理后的序列平穩(wěn)。

本文編號(hào)：3907787