摘要
1.1研究背景及意义
1.1.1高维数据挖掘研究的必要性
1.1.2客观确定因子个数的研究趋势
1.1.3因子选择方法的比较研究具有积极重要的意义
1.2国内外研究进展
1.3本文的思路和结构
1.4本文的创新点
第2章近似因子模型及因子个数选择方法介绍
2.1因子模型
2.1.1经典因子模型
2.1.2动态因子模型
2.1.3近似因子模型
2.2近似因子模型及其相关假定
2.3近似因子模型因子个数选择方法
2.3.2 RRE和BIC准则
2.3.3 BG准则
2.3.4 TCR准则
2.3.5ED准则
2.3.6 MR准则
2.3.7 EED准则
第3章基于蒙特卡罗模拟对因子个数选择方法的比较研究
3.1不同误差结构下因子个数识别能力的比较
3.2弱因子影响下因子个数识别能力的比较
3.3 kmax值不同时因子个数识别能力的比较
3.4主导因子存在时因子个数识别能力的比较
第4章基于标普500股票数据的实证分析
4.1数据的构建
4.2数据的统计分析
4.2.1描述性统计分析
4.2.2 KMO检验与Bartlett球状检验
4.3近似因子模型的因子分析
4.3.1因子个数的提取
4.3.2因子分析
5.1论文结论
5.2不足之处
5.3论文展望
参考文献
附录
致谢
声明