因子模型

摘要： 矩阵型时序数据广泛地存在于各个领域中。近年来,研究者们针对高维矩阵型时序数据提出了一类矩阵型因子模型,其估计方法与理论研究正在不断的改进中。本文针对已提出的矩阵型因子模型,给出了一个新的拟似然估计方法,通过数值模拟验证了该方法的有效性,并将矩阵型因子模型用于我国省际人口流动网络数据中,以研究其动态变化规律。

摘要： 选取40家上市商业银行,分为国有银行、股份制银行、城商行和农商行四类,建立流动性风险因子分析模型,分析流动性风险管理存在的问题。结果表明,国有银行流动性风险最低,在保持良好经营的同时,应积极关注可能引发流动性风险的政策性因素;股份制银行负债结构有待进一步优化;城商行高度依赖存贷息差收入模式,存贷期限结构不合理;农商行资产质量相对较差,经营效率和盈利能力偏低。建议国有银行提升政策风险对冲能力;股份制银行优化负债结构;城商行开拓中间业务,弥补息差收入不足;农商行加强信贷管理,降低不良率;监管部门实施动态差异化监管。

摘要： 传统的同频数据计量模型已不能满足对未来预测的精度要求,越来越多的研究者对混频数据展开探讨。本文以中国GDP增速为例,选取社会货运量、房地产开发投资等多个与宏观经济相关的月度指标,从中提取不可观测因子,并对不同类型混频数据模型的预测效果进行分析。结果发现:从众多指标中提取因子后,对模型的预测精度和拟合效果有促进作用,而且因为子变量携带了原变量的较多信息,因此其对模型的预测效果优于绝大多数单一变量;未受参数限制的MIDAS模型在拟合优度上以及在短期预测方面,都有更优的效果;另外,加入自回归项后,模型拟合效果有显著提高。

摘要： 工业企业的创新活力是区域创新水平的重要表现.利用因子模型L对影响工业企业创新活力的7个二级指标提炼公因子,结果显示可以从研发活力与创新动力两个层面对中国31个省市的工业企业创新活力进行综合评价.模型表明:企业的研发投入与产出是影响创新活力的主要因素.通过K?mean聚类分析法,将中国31个省市的工业企业创新活力划分为"较高、一般、较低"3个层面,通过改善区域内企业的创新活动的交易成本,降低研发活动未来的不确定性风险,引进创新型人才将有助于提升区域内的工业企业的创新活力.

摘要： 新古典因子定价理论认为,市值账面比(MB)能够衡量企业未来的发展潜力,是重要的价值定价因子。然而国内外多数研究发现,中国的市值账面比效应并不显著,部分西方学者甚至提出了中国市场不适合价值投资的论断。目前中国市场市值账面比效应不显著的深层原因和逻辑机制尚未明确。实证研究发现:(1)存在一种M绕B循环往复的绕锚运动,污染了传统方法下的三因子定价检验。(2)绕锚运动污染三因子定价检验的机制路径是:M来源于市场,信息实时传递,信息传递效率高;B来源于账目,每个季度公布一次,信息传递效率低。M和B之间的信息传递效率不匹配导致了传统的MB检验机制被污染。(3)剔除了MB指标的绕锚运动后,中国市值账面比效应变得显著,反驳了部分西方学者认为中国市场不适合价值投资的论断。

摘要： 随着我国金融市场的成熟,投资者逐渐认识到大类资产配置的重要性。本文梳理了海内外资产配置策略的研究历程和基于因子的资产配置理论,对基于宏观因子的资产配置策略进行了实践,构造了有良好绩效表现的策略组合。研究发现:首先,在中国金融市场,影响股票、债券、商品等大类资产收益的宏观因子为经济增长、利率、通货膨胀、汇率、信用,使用这五个宏观因子可有效解释大类资产收益。其次,基于宏观因子的资产配置策略在中国金融市场也是有效的,在因子层面进行风险配置的效果优于在资产层面的风险分散。本文的研究成果可为金融研究机构和市场投资机构提供借鉴参考。

摘要： 随着我国金融市场的成熟,投资者逐渐认识到大类资产配置的重要性.本文梳理了海内外资产配置策略的研究历程和基于因子的资产配置理论,对基于宏观因子的资产配置策略进行了实践,构造了有良好绩效表现的策略组合.研究发现:首先,在中国金融市场,影响股票、债券、商品等大类资产收益的宏观因子为经济增长、利率、通货膨胀、汇率、信用,使用这五个宏观因子可有效解释大类资产收益.其次,基于宏观因子的资产配置策略在中国金融市场也是有效的,在因子层面进行风险配置的效果优于在资产层面的风险分散.本文的研究成果可为金融研究机构和市场投资机构提供借鉴参考.

摘要： 因子模型是投资科学中非常重要的一类模型,在金融界的应用更是非常广泛.然而,学术界对于因子模型统计原理的探究却较为少见.基于此,本文详细论述了投资学因子模型的构建和统计学因子分析的范式,并创造性地探究了二者之间的关系,从而得出因子模型作为统计学因子分析特殊形式的结论,以期可以解决投资学因子模型在应用时的一些难题.

摘要： 任务教学法在高职英语教学中具有任务导向、能力实践、教学创新的方法优势。本研究运用文献资料法、专家访谈法、问卷调查法和数理统计法,对高职英语教学中任务教学法的因子结构进行研究,认为高职院校学生具有专业性、应用性、实践性和适用性等特点。任务教学法的因子模型包括应用目标选择、教学场景设计、教学过程控制和教学效果评价4个一级因子和20个二级因子。因子应用包括教学方法的创新设计、教学过程的有效控制、教学效果的量化评价和教学主体的参与表现四个主要环节。

摘要： 本文在经典Fama-French三因子模型的基础上,基于2006年1月至2020年12月间的中国A股上市公司样本,研究了协偏度效应并构建了协偏度因子,从而对于协偏度这一高阶协矩进行了实证检验.研究发现协偏度与个股的预期收益率之间存在着显著为负的相关关系.基于协偏度进行分组的结果显示协偏度较低的股票组合预期收益显著高于协偏度较高的股票组合,由此证实了协偏度效应的存在.本研究进一步检验了协偏度因子与Fama-French三因子的相关性.实证结果表明协偏度因子相对于其他因子存在显著的新增信息.将协偏度因子加入到三因子模型中,可以提高模型对组合收益的解释能力.

摘要： 门槛因子模型可以有效地刻画高维度时间序列的共变特征和区制转换行为,具有良好的可解释性和预测能力.针对因子载荷矩阵存在的门槛效应,本文首先提出了LM、LR和Wald检验方法,并探讨了其大样本渐近性质,相关结果表明以上检验统计量具有良好的大样本性质和有限样本表现.在实证部分,本文以我国股市的行业指数作为研究对象,通过构建门槛因子模型来刻画我国股票市场波动的共变性特征和非对称效应.实证结果表明基于门槛因子模型可以很好地刻画中国股市行业收益率波动的共变特征和区制转换行为.

摘要： 在城市交通系统结构日益复杂化和机动化出行需求持续增长的背景下,城市交通拥堵日益加剧,并成为常态化,交通事故频发势必造成城市交通瓶颈,大大降低道路交通的运行效率.为了定量分析交通事故对道路交通运行效率的影响,建立并标定了基于K最近邻(KNN)分类算法的交通事故多重影响因子模型,并以深圳市福田中心区为例构建不同交通事故场景的VISSIM仿真模型,结果表明,该方法能够全面准确地量化复杂交通事故场景对交通运行效率的影响.

摘要： 本文采用长期-短期模型（PT模型）和信息份额模型（IS模型）对中国沪深300股指期货、现货的价格发现效率进行了定量研究，使用1 分钟、5分钟、日度三种频率数据。长期-短期模型结果表明，沪深300股指期货市场在价格发现过程中起主导作用。信息份额模型结果表明，数据频率越高，股指期货市场对价格发现的贡献度越高：1 分钟数据频率下，沪深300股指期货市场价格发现份额为80.53%，日度数据下，期货市场与现货市场价格发现份额相当；分析结果还说明，数据频率越低，股指期货、现货价格序列的相关程度越高。

摘要： 江苏、浙江两省的工业企业R&D活动地级市间发展不平衡,阻碍并影响了全省R&D活动水平的提高乃至经济发展质量的提升。本文运用多元统计分析的因子分析、聚类分析方法对江浙两省规模以上工业企业R&D活动状况进行了综合评价,探讨了两省不同城市规模以上工业企业R&D活动存在差异的原因,提出了相应的对策。

摘要： 美国金融危机的爆发引发了学术界对标准的CDO定价模型进行反思.本文在对金融危机风险传导机制及其对CDO定价模型的启示进行深入分析的基础上,认为标准的CDO定价模型存在以下几点缺陷:第一,低估了资产池的实际损失;第二，无法反映突发性系统性冲击对资产池损失的影响;第三,未考虑相互关联的市场风险和信用风险因素对CDO定价的影响.第四,常数无风险利率和回收率的假设不符合现实.为此,本文在因子Copula模型的框架内考虑相互关联的市场风险和信用风险因素对CDO定价关键参数(违约概率、违约相关性、违约损失率)的影响,提出了CDO定价的风险整合模型.同时,为了考察债务人信用品质变化对CDO分券定价的影响,通过Copula—Garch模型引入风险驱动因子的时序特征,对静态整合模型进行了动态扩展.实证结果表明,相比整合模型,标准模型低估了权益分券和高级分券的价格,高估了中间分券的价格.对风险驱动因子假设的不同是造成二者差异的主要原因。

摘要： 美国金融危机的爆发引发了学术界对标准的CDO定价模型进行反思.本文在对金融危机风险传导机制及其对CDO定价模型的启示进行深入分析的基础上,认为标准的CDO定价模型存在以下几点缺陷:第一,低估了资产池的实际损失;第二，无法反映突发性系统性冲击对资产池损失的影响;第三,未考虑相互关联的市场风险和信用风险因素对CDO定价的影响.第四,常数无风险利率和回收率的假设不符合现实.为此,本文在因子Copula模型的框架内考虑相互关联的市场风险和信用风险因素对CDO定价关键参数(违约概率、违约相关性、违约损失率)的影响,提出了CDO定价的风险整合模型.同时,为了考察债务人信用品质变化对CDO分券定价的影响,通过Copula—Garch模型引入风险驱动因子的时序特征,对静态整合模型进行了动态扩展.实证结果表明,相比整合模型,标准模型低估了权益分券和高级分券的价格,高估了中间分券的价格.对风险驱动因子假设的不同是造成二者差异的主要原因。

摘要： 美国金融危机的爆发引发了学术界对标准的CDO定价模型进行反思.本文在对金融危机风险传导机制及其对CDO定价模型的启示进行深入分析的基础上,认为标准的CDO定价模型存在以下几点缺陷:第一,低估了资产池的实际损失;第二，无法反映突发性系统性冲击对资产池损失的影响;第三,未考虑相互关联的市场风险和信用风险因素对CDO定价的影响.第四,常数无风险利率和回收率的假设不符合现实.为此,本文在因子Copula模型的框架内考虑相互关联的市场风险和信用风险因素对CDO定价关键参数(违约概率、违约相关性、违约损失率)的影响,提出了CDO定价的风险整合模型.同时,为了考察债务人信用品质变化对CDO分券定价的影响,通过Copula—Garch模型引入风险驱动因子的时序特征,对静态整合模型进行了动态扩展.实证结果表明,相比整合模型,标准模型低估了权益分券和高级分券的价格,高估了中间分券的价格.对风险驱动因子假设的不同是造成二者差异的主要原因。

摘要： 美国金融危机的爆发引发了学术界对标准的CDO定价模型进行反思.本文在对金融危机风险传导机制及其对CDO定价模型的启示进行深入分析的基础上,认为标准的CDO定价模型存在以下几点缺陷:第一,低估了资产池的实际损失;第二，无法反映突发性系统性冲击对资产池损失的影响;第三,未考虑相互关联的市场风险和信用风险因素对CDO定价的影响.第四,常数无风险利率和回收率的假设不符合现实.为此,本文在因子Copula模型的框架内考虑相互关联的市场风险和信用风险因素对CDO定价关键参数(违约概率、违约相关性、违约损失率)的影响,提出了CDO定价的风险整合模型.同时,为了考察债务人信用品质变化对CDO分券定价的影响,通过Copula—Garch模型引入风险驱动因子的时序特征,对静态整合模型进行了动态扩展.实证结果表明,相比整合模型,标准模型低估了权益分券和高级分券的价格,高估了中间分券的价格.对风险驱动因子假设的不同是造成二者差异的主要原因。

摘要： 美国金融危机的爆发引发了学术界对标准的CDO定价模型进行反思.本文在对金融危机风险传导机制及其对CDO定价模型的启示进行深入分析的基础上,认为标准的CDO定价模型存在以下几点缺陷:第一,低估了资产池的实际损失;第二，无法反映突发性系统性冲击对资产池损失的影响;第三,未考虑相互关联的市场风险和信用风险因素对CDO定价的影响.第四,常数无风险利率和回收率的假设不符合现实.为此,本文在因子Copula模型的框架内考虑相互关联的市场风险和信用风险因素对CDO定价关键参数(违约概率、违约相关性、违约损失率)的影响,提出了CDO定价的风险整合模型.同时,为了考察债务人信用品质变化对CDO分券定价的影响,通过Copula—Garch模型引入风险驱动因子的时序特征,对静态整合模型进行了动态扩展.实证结果表明,相比整合模型,标准模型低估了权益分券和高级分券的价格,高估了中间分券的价格.对风险驱动因子假设的不同是造成二者差异的主要原因。

摘要： 本发明公开了一种基于加速因子模型的步降应力加速试验方法，包括以下步骤：1 设计加速试验方案、2 实施加速试验、3 选择加速因子模型、4 概率统计分析、5加速因子模型参数回归分析和6 可靠性与寿命评估。本发明方法，将原有的加速模型转化为加速因子模型，提出利用加速试验数据估计加速因子的数学方法，再通过回归分析得到加速因子模型的未知参数，然后利用加速因子模型将步降应力加速试验数据等效转换到正常应力水平，最后对等效寿命数据进行分析得到产品可靠性和寿命指标。本发明方法有利于实现步降应力加速试验在工程应用中的数据分析流程简化和标准化，降低工程应用的数学门槛，为在工程中应用提供一套高效且简化的试验方法。

摘要： 本发明公开了一种基于动态因子模型的城市路网时空交通状态协同预测方法，包括：获取交通区域数据，并进行预处理与空间相关性验证；基于静态因子模型SFM，建立动态因子模型DFM，并确定交通状态观测量的概率密度函数；利用期望最大化EM算法求解DFM参数集的拟极大似然估计；采用向量自回归模型VAR预测未来时间段内的公因子；采用自回归模型AR预测各区域在未来时间段内的个性化分量；通过因子载荷矩阵、公因子分量以及不同区域的个性化分量预测各区域在未来时间段内的交通状态。本发明提高了网络级交通状态预测的精度与效率，在城市路网交通状态预测中具有重要的现实意义。

摘要： 本发明公开了一种基于局部加权因子模型的工业非平稳过程软测量建模方法。本发明引入滑动窗口，在每个滑动窗口中建立因子分析模型，将在线查询样本输入到各个滑动窗口中得到查询样本与训练样本的局部相似度以及查询样本在滑动窗口中的局部置信度，再综合所有滑动窗口的结果得到每个训练本的全局权重，根据全局权重计算训练样本集的加权平均值，在加权平均值的基础上对查询样本进行预测得到查询样本的丁烷含量预测值。本发明通过建立在线测量样本与训练样本之间的权重关系，提高了预测结果的准确性。

摘要： 本发明提供一种带特征向量的隐含因子模型威客任务推荐方法，用于解决威客平台出现的信息过载问题，向用户推荐适合的任务，其技术方案主要包括以下步骤：首先进行用户兴趣度量化与特征集构建，将原始行为数据进行量化，读入特征集并引入负采样来丰富原始行为集；随后建立带修正向量隐含因子模型，进行训练，并生成推荐结果；最后，对于新进入、尚未具有行为信息的用户和任务，提供基于修正向量组进行冷启动推荐；本发明根据威客平台数据的特点，将用户特征、任务特征对应为修正向量引入隐含因子模型中，对用户的兴趣进行更精确地建模，同时利用模型中的用户特征向量及任务特征向量解决新用户、新任务进入时的冷启动问题，实用性强。

摘要： 本发明公开了一种基于多因子模型构建的风险预警系统，包括综合评价评估平台(1)、监视数据获取模块(2)、数据存储模块(3)、风险预警和展示模块(4)和信息发布模块(5)；所述综合评价评估平台(1)分别和所述监视数据获取模块(2)、数据存储模块(3)、风险预警和展示模块(4)和信息发布模块(5)数据通信连接。本发明的基于多因子模型构建的风险预警系统及风险预警方法，本申请中，采用多学科综合模型构建的原理，对获取的风险因子多个管理部门的风险预警系统进行综合共享管理，从而从多个维度的数据中去分析风险，使得风险分析和风险预警更加准确。

摘要： 本发明公开了一种基于动态因子模型预测月频宏观经济指标的方法和装置，本发明一方面，根据经济逻辑筛选得到购买力水平、国内供给和需求、国外供给和需求、短期冲击、舆论情绪这五个方面的指标作为用于预测月频宏观经济指标的候选指标，并通过文献调研、高频性、折线图和相关性对候选指标进行筛选得到关联指标，并将已公布的关联指标的数据作为高频数据；另一方面，对已公布的月频宏观经济指标的历史指标值进行春节效应的季节调整以得到TCI序列；最后将TCI序列和高频数据形成混频数据集合输入到动态因子模型中，动态因子模型的输出为不同步长的月频宏观经济指标的实时预测值；本发明实现了对月频宏观经济指标进行高频意义上的实时预测。

摘要： 本发明属于恶性胸腔积液相关病症诊疗领域，恶性胸腔积液患者预后评估的细胞因子模型及应用。细胞因子模型，细胞因子评分CRPI＝n1*x1+n2*x2...n32*x32；其中，n1～n32分别依次为表1中所示系数，x1～x32分别依次为表1中细胞因子相对表达量。预后评估的装置，包括检测单元和分析单元；所述检测单元检测样本中细胞因子的相对表达量；所述分析单元将细胞因子的相对表达量作为输入变量，输入预测模型，分析恶性胸腔积液患者预后状态；预测模型的方程式为前述公式。恶性胸腔积液患者预后评估的细胞因子模型或预后评估装置在制备恶性胸腔积液预后诊断试剂中的应用。本发明以细胞因子相对表达量作为输入变量构建预测模型，可以准确预测恶性胸腔积液患者预后的良恶性。

摘要： 基于时序漂移的潜在因子模型对项目的推荐方法，通过采集所需要推荐项目的历史信息，构建时序漂移矩阵分解模型以及时序漂移联合目标函数后，对联合目标函数进行求解后得到基于时序漂移矩阵分解模型，输入的用户信息后可进行项目推荐。本发明考虑并结合了用户的时序动态偏好演变以及用户过去行为对当前行为的影响关系进行建模，通过构建辅助矩阵捕捉用户两个时期之间演变关系，引入时间影响因子平衡当前和过去行为的影响，并在三个实验数据集中和基线方法对比测试均取得较好的仿真推荐效果，以说明本发明具有更优越的有效性。

摘要： 一种磁性复合材料的SERS增强因子模型建立方法，属于建立复合材料SERS增强因子计算模型领域。现有的SERS增强效应的预测模型无法计算出不同因分子所产生的增强效果。一种磁性复合材料的SERS增强因子模型建立方法，综合电磁增强机制和化学增强机制建立SERS增强因子计算模型，具体通过描述金属内部的等离子体振荡的步骤，以及综合电磁增强机制和化学增强机制，建立SERS增强因子计算模型的步骤。本发明是对磁性复合材料的增强机制进行系统性综合性的分析后建立的SERS增强因子计算模型，所建立模型不仅能解析其增强机制实现对增强效果的预测，也为复合材料的基底制备提供了理论指导。

摘要： 本申请涉及一种基于天气因子模型的智能社交匹配方法及装置，包括获取当前待匹配用户的当前位置信息；然后，根据当前位置信息获取与所述当前当前位置信息相匹配的天气情况数据；接着，根据所述天气情况数据和预先建立的天气因子模型，生成所述当前待匹配用户的当前天气情绪加权值，其中，所述当前天气情绪加权值用于表征所述待当前待匹配用户对所述天气情况数据的感受；最后，根据所述当前天气情绪加权值，向所述当前待匹配用户推荐与所述当前天气情绪加权值相匹配的目标匹配用户，进而实现利用天气和情绪之间的关系自动为情绪匹配的用户做智能推荐，无需建立自画像、无需用户主动发布推荐需求进而提升了使用的便利性，并提升准确性和使用体验。