| 基于高频高维协方差矩阵收缩估计的最小方差投资组合 |
| |
| 引用本文： | 李瑜,肖敏,明瑞星.基于高频高维协方差矩阵收缩估计的最小方差投资组合[J].商业经济与管理,2023(3):94-108. |
| |
| 作者姓名： | 李瑜 肖敏 明瑞星 |
| |
| 作者单位： | 1. 浙江工商大学心理健康教育中心;2. 浙江工商大学统计与数学学院;3. 浙江工商大学统计数据工程技术与应用协同创新中心 |
| |
| 基金项目： | 浙江省社会科学规划课题“智媒体下00后大学生参与网络集群行为心理机制及对策研究”(22GXSZ001Z)；;国家自然科学基金项目“基于有序数据的统计分析及其应用研究”(11971433)； |
| |
| 摘 要： | 高频金融数据背景下金融资产收益率序列普遍存在微观噪声结构，并且存在较为明显的重尾特征；同时，金融资产收益率的协方差矩阵具有高维性和稀疏性特征。基于预平均方法和Huber损失函数，采用收缩估计方法，得到高频金融数据背景下金融资产收益率的协方差矩阵的估计。模拟结果显示收缩估计方法有着较好的效果。此外，以中国A股市场资产的高频数据为样本进行实证分析，探究估计量在最小方差投资组合上的投资绩效。分析的结果显示：(1)预平均方法可以剔除绝大部分微观结构噪声对协方差矩阵估计的影响；Huber损失函数也可以减弱重尾现象对协方差矩阵估计的影响；(2)收缩估计量均能更好地估计总体协方差矩阵，并且在最小方差投资策略的比较中也拥有良好的投资绩效。
|
| 关 键 词： | 高频数据 高维 微观结构噪声 重尾 最小投资组合 |
|
