近年来,近似因子模型在经济和金融中的地位日趋显著,我们熟悉的套利定价理论和资产定价理论就是因子模型在金融中的实际应用.该模型是利用少数的公共因子去解释大量的时间序列的波动.例如,资产回报通常通过少数因子来建立模型,从而得到相应的资产回报.但是随着数据的复杂性增加,人们发现数据不仅仅在时间维度上存在序列相关性,在个体项（比如跨国变量）之间也有可能存在截面相依性,这使得近似因子模型更加符合实际应用.然而,由于公共因子通常是不能被观测到的,在实际中人们很自然的问有到底有多少公共因子.本文针对静态近因子模型提出了一种新的确定因子个数的估计方法.我们把通常用于动态因子模型中的离散傅立叶变换,用在静态近似因子模型中.我们用做了转换后的数据计算出其相对应的特征向量,再利用原始观测矩阵X与转换后的特征向量来计算新的特征值,我们记为近似特征值τ.并且近似特征值τ有如下性质:前r（这是真正的因子数目）个特征值会随着N和T趋于无穷时也趋于无穷,然而剩下的特征值是有界的,这样的变换更好是:可以使得第r个特征值和第（r+1）个特征值之间的差值比之前更大,这对我们的方法是有益的.而且与之前的方法不同,我们不再计算协方差矩阵的特征值.对于做了傅立叶变换后的模型,我们在1到k_max（因子个数的上限）之间,我们分别计算模型的残差平方和（以下本文将残差平方和缩写为SSE）.由于傅里叶的转换,很明显看到SSE（k）会随着因子个数的增加而减少.然而,当k大于因子真正的个数r时,增加的因子k不能再提供更有效的信息,因此SSE（r）和SSE（r+1）之间的差值会趋于零.但是SSE（r-1）和SSE（r）的差值依然比较大,故我们通过相邻SSE的差值的比值作为本文的估计方法,选取比值最大值所对应的的k值作为本文的估计值.在一定的条件下,得到的估计量是一致的.蒙特卡罗模拟研究表明,在大多数情况下,新的估计方法的结果比其他方法好,而且即使在存在主因子的情况下,我们的方法也有比较理想的结果.最后把新的估计因子个数的方法用在全球艾滋病儿童和美国市场经济的数据中,探讨影响它们的公共因子个数.