章緒論 節本書研究內容. 一、動態混合雙因子模型（DMDFM） 二、離散面板數據動態因子模型（DPDFM） 三、面板數據因子隨機波動模型（Factor PDSVM或PFSVM） 第二節 結構安排 第三節本書創新點 一、拓寬了高維面板數據降維的思路· 二、針對不同的面板數據類型構建與之對應的動態因子模型 三、提供了幾種不同模型的估計方法並對每種方行了 四、從理論上對各個模型的估計結果的有關統計性行了證明 五、明確了相應模型的適用領域並對某些模行了應用研究 第二章因子模型形式拓展 節因子模型的一般形式 第二節宏觀因子模型 一、單因子模型 二、多因子模型 第三節行業因子模型 一、BARRA因子模型· 二、Fama-French 因子模型 笫四節統計因子模型 一、主成分法 二、極大似然法 第五節動態因子模型 一、動態因子模型和靜態因子模型 二、嚴格（）動態因子模型 三似動態因子模型 四、廣義動態因子模型 五、滯後公因子模型 第六節多因子模型在互聯網金融市場的應用 第三章高維面板數據降維與因子模型估計 笫一節 高維面板數據降維和變量選擇方法 第二節高維因子模型建模策略 第三節動態因子模型的設定與估計方法 第四節┄面板數據因子模型的貝葉斯推斷 第四章高維面板數據動態混合雙因子模型 節引言 第二節 面板數據動態混合雙因子模型 一、面板數據因子模型 二、面板數據動態混合雙因子模型 三、動態混合雙因子模型的特例 第三節模型的識別和假設 第四節模型估計 一、因子分解與因子個數的選擇 二、估計過程三、估計結果 四、理論性質及其證明 第五節﹒數值模擬 第六節 本章小結 第五章高維離散面板數據動態因子模型 節引言 第二節離散面板數據動態因子模型設定 一、模型的基本形式 二、模型假設 第三節基於GEE的模型估計 一、離散面板數據因子模型估計方法的選擇 二、隨機效應和固定效應模型估計過程的實現 三、基於GEE的DPDFM估計的理論性質 第四節數值模擬 第五節非交易日對股票價格漲跌的影響 第六節本章小結 第六章高維面板數據因子隨機波動模型 節引言 第二節 因子面板數據隨機波動模型的設定 一、面板數據隨機波動模型 二、因子面板數據隨機波動模型 第三節 因子面板數據隨機波動模型估計和計算過程 一、預先處理 二、潛變量及相關參數的後驗分布設定 三、聯合參數的MCMC算法 四、因子分解的MCMC算法 五、動態波動方程的FFBS估計 笫四節數值模擬﹒ 第五節互聯網金融和傳統金融上市公司對比分析 第六節 結論一步研究 第七章結論與展望 節主要結論 第二一步研究展望 附錄一 附錄二 附錄三 附錄四 附錄五 參考文獻 後記
| 
