动态因子模型在经济学和应用经济中有着广泛的应用．这其中根本的原因在于，动态因子模型能够使大维时间序列转化为低维因子序列的形式，大大降低了解决问题的难度，提高了解决相关实际问题的可行性．本文主要对带有异常点的动态因子模型进行了研究，在Baragona和Battaglia(2007)工作的基础上，改进并实现了对动态因子模型数据的异常点检测和相关参数的估计．本文的异常点检测是分两部分完成的：首先是对模型中因子外部数据的异常点检测，文中是通过一个线性变换去除了模型中因子部分，同时把待检测的多元数据转化成了一元时间序列，后续工作只需要完成对一元时间序列的异常点检测；其次是对因子部分的异常点检测，这里同样是通过对观测数据进行变换得到了数据模型中的因子部分，对于这部分多元时间序列的异常点检测是通过建立统计量利用假设检验来完成的.本文在异常点检测的同时，完成了对模型中参数的估计．利用上述检测方法本文进行了相关的数据模拟，最终得到了较好的效果．