10.3969/j.issn.1002-4565.2015.06.014
大维数据的动态条件协方差阵的估计及其应用
大维数据给传统的协方差阵估计方法带来了巨大的挑战,数据维度和噪声的影响不容忽视.本文将主成分和门限方法有效结合,应用到DCC模型的估计中,提出了基于主成分正交补门限方法的DCC模型(poetDCC).poetDCC模型主要通过前K个主成分来刻画高维动态条件协方差阵的信息,然后将门限函数应用在矩阵的正交补中,有效地降低了数据的维度并剔除了噪声的影响.通过模拟和实证研究发现:较DCC模型而言,poetDCC模型明显提高了高维协方差阵的估计和预测效率;并且将其应用在投资组合时,投资者获得了更高的投资收益和经济福利.
主成分、门限方法、主成分正交补门限DCC模型、高维协方差阵
32
C81(统计方法)
贵州省科技基金项目“面板数据单位根检验方法及其在CAPM中的应用研究”黔科合J字[2009]2062号;2014年贵州省哲学社会科学基金项目“双频协方差阵的估计及其应用研究”14GZYB17
2015-07-29(万方平台首次上网日期,不代表论文的发表时间)
共8页
105-112