随着国民经济和市场经济的飞速发展,银行业在国民经济尤其是金融业中发挥着愈来愈重的作用,扮演着至关重要的角色。沪深股市银行板块的16家上市公司作为我国金融行业的翘楚,在我国资本市场的地位举足轻重,具有极强的代表性。因此,密切关注银行板块上市银行的动向和涨跌趋势对于观测银行板块以及整个资本市场极具意义。银行板块众多的上市公司为分析银行板块股票价格指数提供了丰富的信息,但同时也增加了问题分析的复杂性。本文从降维的视角,选取银行板块16家上市公司2015年共244个交易日的每日收盘价数据,建立时间序列因子模型。主要内容分为四部分:第一部分是前言,介绍银行板块股票价格指数研究的背景和目的,以及本文的方法路线和结构框架;第二部分介绍了因子分析的基本思想,模型估计和流程步骤;第三部分是动态和静态时间序列因子模型的建立和估计,详细系统地介绍这种新的因子降维方法,其中重点介绍了因子个数的比值估计量,本文主要研究工作的理论基础即在于此,并进一步对两种模型进行了模拟分析;第四部分是实例分析与论证,运用模型对银行板块进行研究,首先进行传统的因子分析,其次运用新方法,最终选择静态模型并确定因子个数为1,以这个公共因子来分析研究银行板块股价指数的变动情况;第五部分是结论与建议,通过新旧方法的对比分析,发现新方法更加客观,通过动态模型和静态模型的对比,发现静态模型具有更加优良的性质,此外结合银行板块的行情提出了一些建议。本文的创新之处有二:一是引入国外最新提出的基于比值的估计来确定因子个数的方法,为国内此方面的研究提供了前沿性的参考信息。传统的因子分析通常利用累积贡献率使所选取的公共因子的信息量的和达到总体信息量的一个合适比例,但该方法带有较大的主观性,定义基于特征根比值的因子个数的估计量来估计因子个数则更为客观有力;二是将因子分析与时间序列结合在一起,从具有相关性的时间序列中寻找公共因子,使因子分析带有了时间点的烙印,而传统的因子模型则是基于一次独立的观测。