近年来,动态因子模型已经被广泛的应用于刻画经济、金融相关领域多维数据中的截面相关特点,特别是可用于提取各种经济、金融关联现象背后的决定性因素,在其基础上进一步开展分析或者预测,因而具有重要的理论和实践价值。然而,随着现实工作中样本的截面维度增加,指标或个体间的截面相关性趋于复杂,而随着时间维度的增加,数据可能呈现出一些时变特征。此外,实际收集到的样本还可能是极不规则的。面对这些问题时,通常需要对现有动态因子模型进行合理的拓展。在此背景下,经过对现有文献中的动态因子模型及其拓展研究进行了系统性的总结,并结合宏观经济周期实时测度、地方经济波动的聚类和分化、以及高维资产收益率的波动率建模三方面问题,本文深入探讨了对现有混频动态因子模型、正交多层动态因子模型、以及随机波动因子模型的拓展、估计以及实际应用。本文的主要内容和创新之处如下:首先,从宏观经济数据发布的视角,本文系统整理了我国主要宏观经济一致指标在2008年至2014年间各期数据及数据修订的具体发布日期,从中总结出实际工作中可能面临的不规则数据特点。在此基础上,本文扩展了一种能够处理不规则数据的混频区制转移动态因子模型及其贝叶斯估计方法,不仅能够处理实时中的碎尾数据,并且还可以包括GDP、就业率等季度指标。数值模拟结果表明该方法提高了模型估计的准确性,新数据的发布能降低共同因子的实时测度误差,并且新数据的噪音成分越低,其更新修正贡献越大。基于2008年以来的256组实时碎尾数据的研究结果表明,文中模型不仅较好刻画了 1992年以来我国经济周期波动及阶段性变化,而且对实时碎尾数据和GDP数据修订的估计结果具有很好的稳健性和可靠性,此外对我国经济周期拐点的实时识别则存在约2至8个月的滞后。最后,在每月依序发布的指标中,进出口数据含有较高噪音成分,工业增加值和财政税收等数据对当月经济波动测度的更新修正幅度大且可靠性高,对于提高经济周期测度时效性具有重要价值。其次,在地方经济波动的区域聚类及区域间分化问题上,本文提出了一种较为新颖的多层动态因子模型的拓展形式。一方面,本文取消现有模型中区域划分方式事先给定的假设,取而代之采用一种在共同因子估计的同时对区域划分方式加以识别的内生分组方式;另一方面,本文允许各因子之间存在相互的动态影响关系,这两方面改进使得模型更加符合区域经济周期波动分析的实际情况。实证结果表明31个大陆省份可以被划分为领先、内陆、超调和西北四大区域。因子估计结果表明这些区域在次贷危机和四万亿经济刺激计划时期都表现出巨大的分化特征,方差分解结果显示区域因子在领先、内陆和超调地区能够解释相当一部分数据方差。结合货币政策、中央、地方财政和投资的分析表明,货币政策和财政政策都应当充分考虑区域间差异,特别是不同类型政策之间的协调有待加强,否则不仅可能会导致部分政策调整失效,还可能减少未来政策调控的空间。最后,本文首次提出了一种专门针对高维收益率数据的多层动态因子的随机波动模型。相比文献中现有的多层因子研究方法,该模型中采用了一种更为一般的多层因子模型设定,即除了影响所有资产的共同因子外,其它各层因子对于样本的划分是独立的。这样更加符合现实中同行业、同地区或同板块下资产间存在的局部相关特点。同时,各层因子、个异性成分中都包含服从随机波动过程的残差,和因子模型设定相结合,使得该模型不仅能够刻画资产的波动率特点,还能够刻画出任意资产之间时变的条件相关系数。此外,我们采用了近来非线性状态空间模型估计算法方面的优化,大幅度的提高贝叶斯估计的计算效率。在实证分析中,本文将我国A股市场329只上市公司股票按板块、行业和地区进行划分,提取了市场、板块、行业和地区层面的因子及其波动。此外,本文还利用时变的方差分解结果对不同时期市场风格特点进行了讨论,并探讨了时变协方差矩阵估计在投资组合优化和风险管理中的应用。