图1 基于分位数因子模型的GDP增速和通货膨胀水平预测结果
在国家自然科学基金项目（批准号：71703089）资助下，北京大学汇丰商学院的陈亮助理教授与西班牙卡洛斯三世大学的Juan Jose Dolado教授、Jesus Gonzalo教授合作，对高维度分位数因子模型及其在经济金融实证研究中的运用开展原创性的探索。研究成果以“分位数因子模型（Quantile Factor Models）”为题，于2021年3月16日发表在国际经济学顶尖期刊《计量经济学》（Econometrica）上，论文链接：https:// doi.org/10.3982/ECTA15746。
因子模型是实证金融研究和宏观经济预测中广泛使用的一类模型。在资产定价的实证研究文献里，因子模型是最重要的研究工具。芝加哥大学的尤金•法马教授提出的著名三因子模型影响深远，并于2013年获诺贝尔经济学奖。近二十年来，因子模型与大数据方法相结合，为高维金融数据的分析和宏观经济的实时预测提供了简洁而实用的理论基础，成为很多国家中央银行监控金融市场风险和宏观经济运行状况的重要工具。
该研究的主要理论贡献是首次提出了一类新的因子模型：分位数因子模型，作为现有因子模型的延伸和推广。作者提出了一套分位数因子模型的全新估计方法，并对该估计方法的统计性质进行了深入细致的分析。研究发现，分位数因子模型可以更加全面地刻画共同因子对可观测变量整体分布的影响。同时，相比现有文献中基于主成分分析的估计方法，新提出的估计方法不仅可以提取出更多的潜在因子，而且对极端值和厚尾分布具有一定的稳健性，因此，更适合于具有此类特征的金融数据。另外，作者还将新的模型和估计方法运用到宏观经济的预测中。结果发现，新方法可以从大量的宏观数据中提取出更多的共同因子，而且这些因子可以用来显著地提高短期及中期内宏观预测的精确度。