發(fā)布時間：2024-07-05 02:43

　　基于因子模型的估計方法是高頻數(shù)據(jù)下高維協(xié)方差矩陣估計的一個重要方向.為了解決行業(yè)分類門限法的主觀性問題,本文使用RCM算法對剔除了主要成分的殘差矩陣進行重新排序并進行分塊對角化門限處理.本文首先在數(shù)值模擬中設(shè)定殘差矩陣包含分塊對角結(jié)構(gòu)并將其順序打亂,隨后使用RCM算法進行重新排序,結(jié)果表明其能夠還原亂序殘差矩陣中所包含的分塊對角結(jié)構(gòu).基于2015年股災期間和2018全年的高頻數(shù)據(jù),本文將預平均法和使用RCM進行分塊對角處理的POET方法進行結(jié)合,并在實證研究中對包括該估計量在內(nèi)的多種協(xié)方差估計量進行了樣本外預測效果的比較.結(jié)果顯示改進后的估計量具有更好的預測能力,進行含總敞口約束的最小方差組合投資時的日內(nèi)波動率整體較低.

【文章頁數(shù)】：11 頁

【部分圖文】：

圖３使用ＲＣＭ還原亂序矩陣的結(jié)果??圖３（ａ）為某天模擬生成的對角矩陣ｒ，共有１１個分塊．圖３（ｂ）為將ｒ按照隨機順序打亂后的矩陣．本??文使用ＲＣＭ排序算法對亂序矩陣進行重新排列，結(jié)果見圖３（ｃ）．可以看出，ＲＣＭ算法能夠還原ｒ的分塊??

相關(guān)系數(shù)生成過程為：Ｃ／（０．１５，０．６）．噪聲的生成過程為：１＾?＝?１＾＋?ｅｉｔ，??？ＡＴ（０，ｔ／；２）．本文為了將重點集中于處理殘差矩陣的方法比較，假定不存在非同步現(xiàn)象，即所有時間點是??同步和等距的．分別取ｕ；?＝?０，０．００５，０．０１，０．０５代表不同的噪聲....

本文編號：4000919