高维因子模型两类“主成分”估计的比较——以S & P 500股票数据分析为例

高维因子模型在超高维度的大型数据集降维处理中发挥了重要作用。目前,高维因子模型有两种主成分估计方法,分别是基于协方差的主成分估计PCE和基于滞后自协方差的主成分估计LPCE。本文以S & P 500公司股票数据的高维因子建模为例,比较了PCE和LPCE在高维股票数据降维中的实际表现,其中因子个数通过信息准则法和特征值比值估计法确定。结果表明,在高维非平稳序列因子模型中,PCE的均方根误差和预测误差都比LPCE小,PCE得到的因子也比LPCE更能捕捉高维非平稳序列变化特征。在高维平稳序列因子模型中,PCE和LPCE的估计误差相同,两者的估计因子均能还原高维平稳序列的变化特征。此外,在确定因子个数时,信息准则倾向于高估因子个数,表现出严重的过拟合。特征值比值估计法的估计结果相对更准确和稳定,在PCE中倾向于放弃相对弱势的主成分,在LPCE中则倾向于将弱势的主成分视为因子。

我国农村人居环境治理政策工具的选择与应用——基于政策文本的分析

政策工具关涉政策目标的达成,政策工具的科学选择与运用是推动农村人居环境治理政策取得实效的重要论题。文章运用政策文本分析的方法,对改革开放以来我国农村人居环境治理政策工具的选择和使用状况进行分析,发现针对于政策工具的三种类型而言,强制型、混合型和自愿型工具分别呈现出使用较多、乏力和不足的现状。虽然在政策演进的过程中,工具的使用占比有缓和的态势,但是折射出多元参与匮乏、执行合力不足以及治理乏力等问题,未来应通过强化政府“软管理”、实现工具的协同与组合搭配以及制度优化与工具创新等措施,形成农村人居环境治理多元主体共同参与的治理网络,以促进农村人居环境治理效能的提升。