本文關(guān)鍵詞： 喬列斯基分解法 懲罰函數(shù) 非參數(shù)DCC模型 大維協(xié)方差陣　出處：《系統(tǒng)工程理論與實(shí)踐》2017年03期 　論文類型：期刊論文

【摘要】：協(xié)方差陣在投資組合和風(fēng)險(xiǎn)管理中扮演著重要角色,但是大維數(shù)據(jù)給傳統(tǒng)的協(xié)方差陣估計(jì)方法帶來了巨大挑戰(zhàn).本文將改進(jìn)的喬列斯基分解和懲罰函數(shù)等非參數(shù)方法應(yīng)用到DCC模型的估計(jì)中,提出了非參數(shù)DCC模型(NPDCC).NPDCC模型首先通過改進(jìn)的喬列斯基分解方法,將DCC模型估計(jì)中復(fù)雜的協(xié)方差陣估計(jì)問題轉(zhuǎn)化為一系列的回歸模型,然后通過引入懲罰函數(shù),將一些回歸系數(shù)壓縮為零,解決了維數(shù)詛咒問題,使得大維動(dòng)態(tài)條件協(xié)方差陣的估計(jì)成為可能.通過模擬和實(shí)證研究發(fā)現(xiàn):較DCC模型而言,NPDCC模型明顯提高了大維協(xié)方差陣的估計(jì)和預(yù)測效率;并且將其應(yīng)用在投資組合時(shí),投資者獲得了更高的投資收益和經(jīng)濟(jì)福利.
[Abstract]:Covariance matrix plays an important role in portfolio and risk management. However, the large dimension data brings a great challenge to the traditional covariance matrix estimation method. In this paper, the improved nonparametric methods such as Cholesky decomposition and penalty function are applied to the estimation of DCC model. A nonparametric DCC model named NPDCCU. NPDCC model is proposed. Firstly, the modified Cholesky decomposition method is proposed. The complex covariance matrix estimation problem in DCC model estimation is transformed into a series of regression models, and then some regression coefficients are reduced to zero by introducing penalty function, which solves the dimension curse problem. It is possible to estimate the large dimensional dynamic conditional covariance matrix. Through simulation and empirical research, it is found that compared with the DCC model, the estimation and prediction efficiency of the large dimensional covariance matrix is improved obviously. And when applied to the portfolio, investors gain higher investment returns and economic benefits.
【作者單位】： 貴州財(cái)經(jīng)大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院;
【基金】：貴州省教育廳2015年度普通本科高校自然科學(xué)研究項(xiàng)目(黔教合KY字[2015]423) 國家社會(huì)科學(xué)基金(16CTJ013)~~
【分類號(hào)】：F224.0;F830.91
【正文快照】： i引言 21世紀(jì)是信息爆炸的時(shí)代,計(jì)算機(jī)技術(shù)的飛速發(fā)展,極大方便了數(shù)據(jù)的獲取和存儲(chǔ),許多科學(xué)研究領(lǐng)域產(chǎn)生了多種多樣的復(fù)雜超高維海量大數(shù)據(jù).在金融領(lǐng)域中,(超)高維金融資產(chǎn)組合的構(gòu)建對(duì)于很多個(gè)體和金融機(jī)構(gòu)來說非常常見.在投資組合中,各個(gè)資產(chǎn)權(quán)數(shù)的確定是與它們之間的協(xié)方

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉忠穎;董金偉;;高維協(xié)方差陣的兩樣本檢驗(yàn)的一些證明[J];長春師范學(xué)院學(xué)報(bào);2012年06期

2 費(fèi)宇,李俊梅,白鵬;多重線性回歸模型協(xié)方差陣擾動(dòng)的影響分析[J];生物數(shù)學(xué)學(xué)報(bào);2000年02期

3 丁樹良;;廣義協(xié)方差改進(jìn)估計(jì)的優(yōu)良性[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);1992年03期

4 王立春,汪惠民,陳桂景;一般半相依回歸系統(tǒng)的協(xié)方差改進(jìn)估計(jì)[J];應(yīng)用概率統(tǒng)計(jì);2001年02期

5 蔣春福;戴永隆;;奇異協(xié)方差陣下有效前沿及有效組合的解析解[J];系統(tǒng)科學(xué)與數(shù)學(xué);2008年09期

6 欒恩連,鄧自立;噪聲協(xié)方差的一種遞推估計(jì)方法[J];控制理論與應(yīng)用;1990年01期

7 王松桂,嚴(yán)利清;協(xié)方差改進(jìn)法與半相依回歸的參數(shù)估計(jì)[J];應(yīng)用概率統(tǒng)計(jì);1997年03期

8 劉金山;SUR回歸模型部分系數(shù)的協(xié)方差改進(jìn)估計(jì)及其有限樣本性質(zhì)[J];五邑大學(xué)學(xué)報(bào)(自然科學(xué)版);1998年03期

9 徐勤豐,尤進(jìn)紅;GMANOVA模型中協(xié)方差陣擾動(dòng)的影響分析[J];華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年03期

10 閆同新;;非線性模型中無信息方差和協(xié)方差分量Bayes估計(jì)[J];福建工程學(xué)院學(xué)報(bào);2009年04期

相關(guān)碩士學(xué)位論文 前4條

1 鄭媛媛;成分?jǐn)?shù)據(jù)的協(xié)方差結(jié)構(gòu)分析[D];山西大學(xué);2013年

2 閆同新;兩類統(tǒng)計(jì)模型中方差和協(xié)方差分量的Bayes估計(jì)[D];中南大學(xué);2007年

3 王云;線性混合效應(yīng)模型協(xié)方差陣的估計(jì)問題[D];北京工業(yè)大學(xué);2006年

4 付永毅;帶延遲索賠的復(fù)合馬爾可夫二項(xiàng)風(fēng)險(xiǎn)模型的貼現(xiàn)懲罰函數(shù)[D];遼寧師范大學(xué);2014年

，

本文編號(hào)：1480718