1.文章主要内容
文章主要介绍了动态因子模型的理论与应用。主要讲述了动态因子模型的三个分支：
1.动态因子模型的预测：是一种大模型预测的形式，AR模型预测仅基于自身趋势的预测，SVAR可以加入其他变量，进行动态预测，但是SAVR模型加入过多变量会受到自由度限制。因此，当考虑一个因素受到多种因素共同影响时（因子数量应该大于多少，书中未提出衡量标准），应该考虑使用动态因子模型进行预测。
2.FAVAR模型（因子增广的向量自回归模型）：FAVAR模型是从高维宏观信息中提取因子，基于因子组成的VAR，解决了VAR模型无法衡量多维变量的问题。
3.分层动态因子模型（这与多层次结构动态因子模型有何不同？）：分层动态因子主要能够分解出结构冲击，可以将变量进行分块（只要建立指标体系都能分块），估计共同因子和分块因子（这个别的方法没法分解和实现），使得原本在动态因子模型中难以解释的共同因子的含义更加明确。分析经济周期或者通货膨胀率的国际因子、区域因子和国家因子等等。
2.研究方法与一般方法的对比
与AR、SVAR不同的时，该方法考虑了大模型（高维变量或信息）对被解释变量的影响或者解释力度。该模型主要核心思想在于将高维变量进行降维，进而可以进行VAR、AR甚至是用其他方法进行分析。但是与熵值法、主成分分析法的不同之处在于该降维方法可以分解出共同因子和特质因子，且考虑了共同因子的动态变化特性，并且分层动态因子模型还进一步能够分解出部门因子。
材料来源：
[1]朱满洲. 动态因子模型的理论和应用研究.北京：中国金融出版社，.
