本网讯（通讯员 赵晴）3月20日下午，经济学院2018年第九次学术讲座在经济学院407会议室举行。首都经贸大学教授李鲲鹏作了题为“高维因子模型及其应用”的精彩报告 。

李鲲鹏首先简要介绍了高维因子模型。与传统因子模型相对，高维因子模型指的是相对于变量的时间观测值T，变量的数量N可能更大，甚至N远大于T的因子模型。研究中可获得的数据数以千计，却难以拓展时间上的观测数量，因而不可避免出现上述数据类型。在这种情况下，变量的协方差矩阵无良好定义，传统的理论分析工具也纷纷失效，因而需要发展新的理论工具。关于高维因子模型的估计方法，有主成分估计方法和极大似然估计方法。李鲲鹏指出，出于实用性的考量，一般更推荐使用主成分法。

然后李鲲鹏介绍了三种因子模型的变种模型，包括层级因子模型、因子增广的向量自回归模型和交互效应面板数据模型。层级因子模型同时考虑全局冲击和组内冲击，其估计方法包括马尔科夫链蒙特卡洛法和迭代主成分法。层级因子模型的经典应用是Kose等（2003）关于全球性经济周期的研究，即将观测到的变量波动分解成全球性、区域性和国别性三个层级的冲击和自身异质性扰动，以研究全球性经济周期是否存在。因子增广的向量自回归模型（FAVAR）是对向量自回归模型（VAR）的扩展，通过从海量数据中提取因子实现降维，从而解决传统VAR模型自由度耗损的问题。FAVAR模型的问题在于模型不可识别和其统计推断理论没有建立。若FAVAR模型中没有可观测因子，则模型退化为动态因子模型，该模型可用于预测，但李鲲鹏也指出，预测效果准确与否取决于窗宽的选择。交互效应面板数据模型将时间效应与个体效应以乘法形式引入，从而形成交互效应，即共同因素对不同个体有效应差异。交互效应面板数据模型为经济学研究中广泛存在的冲击内生性提供了计量方法上的解决方案，可广泛应用于微观、宏观和金融等领域。

在交流互动中，游艇会线路检测中心教师蔡必卿就动态因子模型的预测效果提出了自己的看法，博士黎娇龙也谈了自己使用交互效应面板数据模型进行实证研究的心得。