動態因子模型的r代碼

Ⅰ SPSS 因子分析之後得出了幾個Factor的結果，利用這幾個FACTOR 結果進行了線性回歸分析之後。。

因子分析的各因子是相互獨立的，如果在三維空間里的話，就是類似於X,Y,Z軸那樣相互垂直的，它們不相關。所以R值和F值接近零，自然顯著性水平極低接近1了。
你做的線性回歸分析毫無意義，屬於亂做一氣。其實你還是做了一些工作的，那就是你驗證了各個因子的相互獨立性！

Ⅱ 非線性時間序列分析 目錄

序言

1 我們為什麼關注非線性

1.1   基本概念

1.2   線性時間序列

1.3   非線性時間序列的例子

1.4   非線性檢驗

1.4.1       非參數檢驗

1.4.2       參數檢驗

1.5   練習

參考文獻

2     單變數參數非線性模型

2.1   一般的形式化表示

2.1.1       概率結構

2.2   門限自回歸模型

2.2.1       兩階段門限自回歸模型

2.2.2       兩階段TAR(1)模型的特徵

2.2.3       多階段TAR模型

2.2.4       TAR模型估計

2.2.5       TAR建模

2.2.6       例子

2.2.7       TAR模型預測

2.3   馬爾科夫轉換模型

2.3.1       馬爾科夫轉換模型的特性

2.3.2       狀態變數的統計推斷

2.3.3       馬爾科夫轉換模型的估計

2.3.4       選擇狀態數

2.3.5       馬爾科夫轉換模型預測

2.3.6       例子

2.4   平滑過渡自回歸模型

2.5   時變系數模型

2.5.1       功能系數自回歸模型

2.5.2       時變系數自回歸模型

2.6   附錄：馬爾科夫鏈

2.7   練習

參考文獻

3     單變數非參數模型

3.1   核平滑

3.2   局部條件均值

3.3   局部多項式擬合

3.4   樣條

3.4.1       立方和B樣條

3.4.2       平滑樣條

3.5   小波平滑

3.5.1       小波

3.5.2       小波變換

3.5.3       閾值和平滑

3.6   非線性加性模型

3.7   指數模型和切片逆回歸

3.8   練習

參考文獻

4     神經網路，深度學習和基於樹的方法

4.1   神經網路

4.1.1       神經網路訓練估計

4.1.2       例子

4.2   深度學習

4.2.1       深度信念網路

4.2.2       論證

4.3   基於樹的方法

4.3.1       決策樹

4.3.2       隨機森林

4.4   練習

參考文獻

5     非高斯時間序列分析

5.1   廣義線性時間序列模型

5.1.1       統計數據和GLARMA模型

5.2   自回歸條件均值模型

5.3   Martingalized GARMA模型

5.4   抖動模型

5.5   函數時間序列

5.5.1       卷積FAR模型

5.5.2       CFAR模型估計

5.5.3       擬合值和近似殘差

5.5.4       預測

5.5.5       漸進性

5.5.6       應用

附錄：統計數據的離散分布

5.6   練習

參考文獻

6     狀態空間模型

6.1   一般模型和統計推斷

6.2   可選例子

6.2.1       線性時間序列模型

6.2.2       可觀測雜訊時間序列

6.2.3       時變系數模型

6.2.4       目標追蹤

6.2.5       通信信號處理

6.2.6       動態因子模型

6.2.7       函數和分布式時間序列

6.2.8       馬爾科夫狀態切換模型

6.2.9       隨機抖動模型

6.2.10      非高斯時間序列

6.2.11      混合頻率模型

6.2.12      其它應用

6.3   線性高斯狀態空間模型

6.3.1       濾波和卡爾曼濾波

6.3.2       似然函數估計

6.3.3       平滑

6.3.4       預測和缺失數據

6.3.5       順序處理

6.3.6       例子和R示例

6.4   練習

參考文獻

7     非線性狀態空間模型

7.1   線性和高斯近似

7.1.1       線性非高斯卡爾曼濾波

7.1.2       擴展非線性系統卡爾曼濾波

7.1.3       高斯和濾波

7.1.4       Unscented卡爾曼濾波

7.1.5       集成卡爾曼濾波

7.1.6       例子和R示例

7.2   隱馬爾科夫模型

7.2.1       濾波

7.2.2       平滑

7.2.3       最大似然狀態路徑：維特比演算法

7.2.4       參數估計：Baum-Welch演算法

7.2.5       HMM例子和R示例

7.3   練習

參考文獻

8     順序蒙特卡洛

8.1   蒙特卡洛方法的簡單綜述

8.1.1       生成隨機樣本的通用方法

8.1.2       減少方差方法

8.1.3       重要性采樣

8.1.4       馬爾科夫鏈蒙特卡洛

8.2   順序蒙特卡洛框架

8.3   設計問題一：傳播

8.3.1       建議分布

8.3.2       延遲策略（向前看）

8.4   設計問題二：重采樣

8.4.1       優先順序打分

8.4.2       重采樣中采樣方法選擇

8.4.3       重采樣調度

8.4.4       重采樣優點

8.5   設計問題三：推斷

8.6   設計問題四：邊緣化和混合卡爾曼濾波

8.6.1       條件動態線性模型

8.6.2       混合卡爾曼濾波

8.7   具有SMC的蒙特卡洛平滑

8.7.1       簡單加權方法

8.7.2       加權邊際化方法

8.7.3       兩濾波采樣

8.8   具有SMC的參數估計

8.8.1       最大似然估計

8.8.2       貝葉斯參數估計

8.8.3       可變參數方法

8.9   執行考慮

8.10 例子和R示例

8.10.1      SMC的R執行：一般SMC和重采樣方法

8.10.2      雜亂環境追蹤

8.10.3      被動聲吶單方位追蹤

8.10.4      隨機抖動模型

8.10.5      衰落信道作為條件動態線性模型

8.11 練習

參考文獻

索引

Ⅲ stata做動態因子模型求解釋結果，圖如下

共同因子？英文能給出來么？

STATA主頁的MANUAL給你看看。

http://www.stata.com/features/overview/dynamic-factor-models/

Ⅳ 陳志鴻的教育科研

高級計量經濟學（博士，中文授課/ 國際博士，全英文授課）
計量經濟理論（博士，中文授課）
金融計量（國際博士，全英文授課）
研究方法 （國際博士，全英文授課）
計量經濟學（AE國際碩士，英文授課）
計量經濟學（本科，中文授課/ 本科留學生，全英文授課） 計量經濟學
獎勵與榮譽稱號：
教育部「新世紀優秀人才支持計劃」，2012年入選
第十七屆「安子介國際貿易研究獎」優秀論文三等獎，2012
對外經濟貿易大學最受歡迎研究生教師獎，2011
對外經濟貿易大學王林生獎教金, 2011 --教育部新世紀優秀人才支持計劃課題「人口特徵對家庭消費行為的影響-來自中國城市家庭戶微觀面板數據的證據」，主持人；
--國家自然科學基金青年項目「後危機時代應用高維數據預測宏觀經濟走勢的研究 - 基於非線性動態因子模型的方法」，項目編號71101030，主持人；
--國家社會科學基金重大項目「極端氣候事件的區域分布、變化規律和應對機制研究 」，項目編號11&ZD167，子課題「極端氣候事件的區域分布」負責人；
--教育部哲學社會科學研究重大課題「我國碳排放交易市場研究」，項目編號11JZD025，子課題負責人；
--國家社會科學基金項目「外貿增長方式轉變和出口企業生產率研究」，項目編號08BJL047，主要參加者；
--「211工程」3期項目「中國宏觀經濟與貿易走勢預測系統」，主持人；
--「211工程」2期項目「中國需求,外貿,增長數據的計量經濟學研究」，主持人。

Ⅳ 什麼是多因子選股

多因子策略是一種應用十分廣泛的選股策略，其基本思構想就是找到某些和收益率最相關的指標，並根據該指標，建一個股票組合，期望該組合在未來的一段時間跑贏或者跑輸指數。如果跑贏，則可以做多該組合，同時做空期指，如果是跑輸，則可以做多期指，融券做空該正與向阿爾法收益組合，賺取反向阿爾法收益。多因子模型的關鍵是找到因子與收益率之間的關聯性。

溫馨提示：以上內容僅供參考，投資有風險，入市需謹慎。
應答時間：2021-09-30，最新業務變化請以平安銀行官網公布為准。
[平安銀行我知道]想要知道更多？快來看「平安銀行我知道」吧~
https://b.pingan.com.cn/paim/iknow/index.html

Ⅵ 動態因子模型怎麼提取出來

動態因子模型是通過數學公式計算得出。因變數Yt是不可觀測因子ft和外生變數Xt以及擾動項ut的函數，其中，不可觀測因子ft是其他外生變數Wt和不可觀測因子ft的滯後項的函數(AR(p))，擾動項ut是一個AR(q)的運動過程。動態因子模型在當下宏觀計量領域里應用度極高，能夠最大程度提取出共同因子來分析很多變數間的關系。

Ⅶ 淺析動量因子

關於S&P的: Style Momentum Within the S&P 500 Index (Chen and De Bondt, 2004)和 Cross-Asset Style Momentum (Kim,2010)

美國行業/板塊: Do Instries Explain Momentum? (Moskowitz and Grinblatt, 1999), Understanding the Nature of the Risks and Sources of Rewards to Momentum Investing (Grundy andMartin, 1998)

美國小盤股: Bad News Travels Slowly: Size, Analyst Coverage, and the Profitability of Momentum Strategies (Hong et al, 1999)

歐洲股票市場: International Momentum Strategies ,(Rouwenhorst, 1997)

英國股票市場: The Profitability of Momentum Investing , (Lui et al, 1999), Momentum in the UK Stock Market (Hon and Tonks,2001)

中國股票市場: Contrarian and Momentum Strategiesin the China Stock Market: 1993-2000 (Kang et al, 2002), The 「Value」 Effect and the Market for Chinese Stocks (Malkiel and Jun, 2009), Momentum and Seasonality in Chinese Stock Markets (Li, Qiu, and Wu, 2010)和 Momentum Phenomenon in the Chinese Class A and B Share Markets (Choudhry and Wu, 2009)

日本股票市場: Eureka! A Momentum Strategy that Also Works in Japan (Chaves , 2012)

澳洲股票市場: Do Momentum Strategies Work?: Australia Evidence , (Drew, Veeraraghavan, and Ye, 2004)

瑞士股票市場: Momentum and Instry Dependence (Herberger, Kohlert, and Oehler, 2009)

新興股票市場: Local Return Factors and Turnover in Emerging Stock Markets , (Rouwenhorst, 1999)

前沿新興股票市場: The Cross-Section of Stock Returns in Frontier Emerging Markets (Groot, Pang, and Swinkels, 2012)

全球股票市場: Momentum Investing and Business Cycle Risk: Evidence from Pole to Pole , (Griffin et al, 2002), International Momentum Strategies (Rouwenhoust, 1998), The Case for Momentum (Berger, Isael, Moskowitz, 2009)

外匯市場: Do Momentum Based Strategies Still Work In Foreign Currency Markets? (Okunev and White, 2003), Interaction between Technical Currency Trading and Exchange Rate Fluctuations (Schulmeister, 2006), Momentum in Stock Market Returns: Implications for Risk Premia on Foreign Currencies (Nitschka, 2010),和 Currency Momentum Strategies (Menkhoff et al, 2011)

大宗商品市場: Momentum Strategies in Commodity Futures Markets (Miffre and Rallis, 2007), The Strategic and Tactical Value of Commodity Futures (Erb and Harvey, 2006)

技術分析: 52-Week High and Momentum Investing (Georgeand Hwang, 2004).

公司盈利: Momentum Strategies (Chan et al, 2006), Firm-specific Attributes and the Cross-section of Momentum (Sagi and Seasholes, 2007)

在時間維度上: Market States and Momentum (Cooper, Gutierrezand Hameed, 2003), Time-Varying Momentum Profitability (Wang and Xu, 2010), Time Series Momentum (Moskowitz et al, 2011), 212 Years of Price Momentum (Gezcy, 2013), A Century of Evidence on Trend Following (Hurst, Ooi, Pedersen, 2012), Two Centuries of Trend Following (Lempérière, 2014).

還有各種從價格動量(price momentum)衍生出的變體，例如：

「新鮮」動量： Fresh Momentum (Chen, Kadan and Kose, 2009)

「殘余」動量： Resial Momentum (Blitz, Huij and Martens, 2011)

CAPM/Fama-French「殘余」動量： Some Tricks to Momentum (SocGen, 2012)

「雙重」動量： Risk Premia Harvesting Through Dual Momentum (Antonacci,2013)

「共同」動量: Comomentum: Inferring Arbitrage Activity from Return Correlations (Lou and Polk, 2012)

趨勢因子: Trend Factor: A New Determinant of Cross-Section Stock Returns (Han and Zhou, 2013)

在跨多種資產的研究中，人們通常把動量因子（Momentum Factor）和價值因子（Value Factor）放在一起研究，例如: Global Tactical Cross-AssetAllocation: Applying Value and Momentum Across Asset Classes (Blitz and VanVliet, 2007), Value and Momentum Everywhere (Asness, Moskowitz, and Pedersen,2009), Using a Z-score Approach to Combine Value and Momentum in Tactical Asset Allocation (Wang and Kohard, 2012), 和 Size, Value, and Momentum in International Stock Returns (Fama and French, 2011)

也有和反轉（Reversal/Mean Reversion）一起研究，例如： Momentum– Reversal Strategy (Yu and Chen, 2011), An Institutional Theory of Momentumand Reversal (Vayanos and Woolley, 2010), Momentum and Mean Reversion across National Equity Markets (Balvers and Wu, 2006), Macromomentum: Returns Predictability in International Equity Indices (Bhojraj, 2001)

至於動量因子產生的原因至今沒有定論，投資者的行為偏差（behavior bias）算是其中一個，主要體現在投資者對於自己掌握的信息過於自信，從而導致資產價格對於新信息反應不足（underreaction）: Investor Psychology and Security Market Under-and Over-Reactions (Daniel, Hirshleifer, Subrahmanyam, 1998), Overconfidence, Arbitrage, and Equilibrium Asset Pricing (Daniel, Hirshleifer, Subrahmanyam,2001)

其他類似的解釋例如：

When are Contrarian Profits Due to Stock Market Overreaction? (Lo and Mackinlay, 1990), A Model of Investor Sentiment (Barberis,Shleifer, Vishny, 1997), A Unified Theory of Underreaction, Momentum Trading and Overreaction in Asset Markets (Hong and Stein, 1997), Price Momentum andTrading Volume (Lee and Swaminathan, 1998), Underreactions and Overreactions:The Influence of Information Reliability and Portfolio Formation Rules (Bloomfieldet al, 1998), Rational Momentum Effects (Johnson, 2002)

除此之外，還有從其他不同角度進行解釋的，例如:

交易成本(Trading Cost): The Illusory Nature of Momentum Profits (Lesmond, Schill, and Zhou,2004), Trading Cost of Asset Pricing Anomalies (Frazzini, Israel and Moskowitz, 2012)

橫截面預期收益(Cross-sectional Expected Returns): Momentum is Not an Anomaly (Dittmar et al, 2007)

知情交易(Informed Trading): Momentum and Informed Trading (Hameed et al, 2008)

市場情緒(Sentiment): Sentiment and Momentum (Doukas et al, 2010)

經濟周期(Business Cycle): Momentum, Business Cycle, and Expected Returns (Chordia and Shivakumar,2002)

文化差異(Cultural Difference): Indivialism and Momentum around the World (Chui, Titman and Wei,2009)

過度協方差(Excess Covariance): Momentum and Autocorrelationin Stock Returns (Lewellen, 2002)

避稅(Tax Loss Harvesting): PredictingStock Price Movements from Past Returns: The Role of Consistency and Tax-LossSelling (Grinblatt and Moskowitz, 2004)

宏觀風險溢價 (Macroeconomic Risk Premium): Momentum Profits, Factor Pricing and Macroeconomic Risk Factor (Zhang, 2008)

前景理論(Prospect Theory ): Prospect Theory, Mental Accounting, and Momentum (Grinblatt and Han,2004)

處置效應(Disposition Effect): The Disposition Effect and Underreaction to News (Frazzini, 2006)，其中前景理論與處置效應均指投資者在處理股票時，傾向賣出賺錢的股票、繼續持有賠錢的股票。

回報預期 (Return Expectation): Momentum Trading and Performance with Wrong Return Expectations (Gatev and Ross, 2009)

推定預期 (Extrapolative Expectation): Expectations of Returns and Expected Returns (Greenwood and Shleifer, 2012)， Extrapolative Expectations and the Equity Premium (Choi and Mertens, 2013)， X-CAPM: An Extrapolative Capital Asset Pricing Model (Barberis, Greenwood, Jin, Shleifer, 2013)，推定預期是行為金融學中專門為解釋動量因子而提出的假設，即指人們往往根據最近的變化來預測未來的變化，並不斷改變對未來的預期。

另外，動量因子也可以用Fama-French三因子模型來解釋: Explaining Momentum within an Existing Risk Factor (Liu, 2012), 或者用風險溢價來解釋: Asymmetric Risks of Momentum Strategies (Dobrynskaya, 2014),或者用動態beta來解釋: Dynamic Beta, Time-Varying Risk Premium, and Momentum (Zhang, 2003)

雖然動量策略能夠帶來市場超額回報（market excess return），但要承擔風險，有時候這個風險是巨大的。這就是所謂的「動量崩盤」（Momentum Crash）: Momentum Crashes (Daniel and Moskowitz, 2011), Tail Risk in Momentum Strategy Returns (Daniel,Jagannathan and Kim, 2012)。如下兩圖所示，動量因子在市場觸底反彈時的收益率最低。

學者們對此有不同的解釋，有的認為是擁擠交易(Crowded Trades)造成的： Crowded Trades, Short Covering, and Momentum Crashes (Yan, 2014),而有的認為是由動量因子本身的性質決定的： Momentum Has Its Moments (Barroso_Clara,2013)

總而言之，動量因子與價值因子是各種資本市場中普遍存在的現象，而且跑贏大盤的時機各有不同。一些我們通常對動量因子的認知都是錯誤的( Fact, Fiction and Momentum Investing ,Asness and Frazzini, 2014)。在投資組合中利用這兩者的負相關性，便可獲得較高的風險調整後收益(risk-adjusted return)和Sharpe 比率。

作為投資異象(Anomaly)中的成員，動量因子與價值因子的存在（尤其是前者）是對有效市場假設(Efficient Market Hypothesis)的一個巨大挑戰。（ Dissecting Anomalies , Fama and French, 2007; On Persistence of Mutual Fund Performance , Carhart, 1997）盡管有效市場假設支持者認為這些異象可以用風險溢價(risk premium)來解釋，但是資本市場歸根到底是「人」的市場，人的本性在市場交易里暴露無遺，所以投資者的行為偏差（behavior bias）是一個大家比較能接受的解釋。

世界知名對沖基金AQR的基金經理Clifford Asness和John Liew（都是Gene Fama的學生）用他們連續數十年穩定優異的基金收益表現告訴我們：有效市場與投資異象共存於這個復雜的真實世界中。有時候，投資者的非理性行為使得資產價格超過了合理模型所能解釋的范圍，從而打破了有效市場假設。但並不是所有的投資異象都能始終盈利（例如動量崩盤），從而又佐證了有效市場假設。事實上，市場有效是常態，只有少數時候才會出現極端情況。長期來看，要想通過主動管理（active management）取得穩定優異的回報是很困難的，投資過程會受到各種情況影響，稍有不慎，所有可盈利的機會都將付之東流。

Ⅷ CAPM模型和APT模型的區別和聯系

一、CAPM（又叫做資本資產定價模型）和APT（又叫做套利定價模型）有3點不同：

1、兩者的實質不同：

（1）CAPM的實質：主要研究證券市場中資產的預期收益率與風險資產之間的關系，以及均衡價格是如何形成的，是現代金融市場價格理論的支柱。

（2）APT的實質：APT模型表明，資本資產的收益率是各種因素綜合作用的結果，諸如GDP的增長、通貨膨脹的水平等因素的影響，並不僅僅只受證券組合內部風險因素的影響。

2、兩者的起源不同：

（1）CAPM的的起源：由美國學者夏普（William Sharpe）、林特爾（John Lintner）、特里諾（Jack Treynor）和莫辛（Jan Mossin）等人於1964年在資產組合理論和資本市場理論的基礎上發展起來的。

（2）APT的起源：由羅斯在1976年提出，實際上也是有關資本資產定價的模型。

3、兩者的假設條件不同：

（1）CAPM的假設條件：投資者希望財富越多愈好，效用是財富的函數，財富又是投資收益率的函數，因此可以認為效用為收益率的函數。投資者能事先知道投資收益率的概率分布為正態分布。投資風險用投資收益率的方差或標准差標識。影響投資決策的主要因素為期望收益率和風險兩項。

（2）APT的假設條件：單一投資期；不存在稅收；投資者能以無風險利率自由借貸；投資者以收益率的均值和方差為基礎選擇投資組合。

二、CAPM和APT之間的聯系：

APT模型是CAPM模型的替代理論。雖然被稱作套利定價模型，但實際與套利交易無關，是適用於所有資產的估值模型，其理論基礎是「一項資產的價格由不同因素驅動。將這些因素分別乘上其對資產價格影響的貝塔系數，加總後再加上無風險收益率，就可以得出該項資產的價值」。

雖然APT理論在形式上很完美，但是由於它沒有給出具體驅動資產價格的因素，而這些因素可能數量眾多、只能憑投資者經驗自行判斷選擇，且每項因素都要計算相應的貝塔值、CAPM模型只需計算一個貝塔值，所以在對資產價格估值的實際應用時，CAPM比APT使用得更廣泛。

Ⅸ 哪個國家央行調整利率,對該國貨幣到底是怎麼影響的

以中國人民銀行發行的央票利率為貨幣政策變數,以動態Nelson-Siegel模型為基礎構造動態因子模型,採用卡爾曼濾波估計利率期限結構因子,與貨幣政策變數一起建立誤差修正模型,以此分析貨幣政策對利率期限結構的短期動態影響和長期均衡影響;同時基於中國銀行間市場債券交易數據進行的實證分析表明:貨幣政策和利率期限結構之間的短期動態影響表現出非對稱性,即債券市場對貨幣政策變化的反應較為遲緩,但貨幣政策對市場利率的變化反應敏銳。而長期均衡關系則表明,貨幣政策對銀行間債券市場利率期限結構有顯著影響,但銀行間債券市場對央行的利率調控目標不敏感,不能形成明確預期。另一方面,貨幣政策對目標利率的市場引導效果十分敏感,銀行間市場債券交易信息是央行制定貨幣政策的依據。