基于因子模型的估計(jì)方法是高頻數(shù)據(jù)下高維協(xié)方差矩陣估計(jì)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(jìn)行重新排序并進(jìn)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(jìn)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(zāi)期間和2018全年的高頻數(shù)據(jù),本文將預(yù)平均法和使用RCM進(jìn)行分塊對角處理的POET方法進(jìn)行結(jié)合,并在實(shí)證研究中對包括該估計(jì)量在內(nèi)的多種協(xié)方差估計(jì)量進(jìn)行了樣本外預(yù)測效果的比較.結(jié)果顯示改進(jìn)后的估計(jì)量具有更好的預(yù)測能力,進(jìn)行含總敞口約束的最小方差組合投資時(shí)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(jī)順序打亂后的矩陣．本??文使用ＲＣＭ排序算法對亂序矩陣進(jìn)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(diǎn)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(shí)間點(diǎn)是??同步和等距的．分別�。�；?＝?０，０．００５，０．０１，０．０５代表不同的噪聲....

本文編號：4000919