發(fā)布時(shí)間：2021-03-03 06:12

　　信息技術(shù)的不斷革新使高頻數(shù)據(jù)的存儲(chǔ)和使用更加方便。較低頻數(shù)據(jù)而言,高頻數(shù)據(jù)包含了更多的信息,并且縮短了樣本在采集時(shí)間上的跨度,基于高頻數(shù)據(jù)估計(jì)得到的協(xié)方差也更加有效。與此同時(shí),隨著金融市場(chǎng)的發(fā)展,可配置的資產(chǎn)種類(lèi)不斷增加,現(xiàn)代投資組合對(duì)象的維度已擴(kuò)展到高維。對(duì)于這樣高頻率高維度的數(shù)據(jù),其協(xié)方差矩陣的估計(jì)變得十分困難。首先,高頻數(shù)據(jù)的使用帶來(lái)了微觀結(jié)構(gòu)噪聲影響,并且真實(shí)市場(chǎng)上的資產(chǎn)收益具有尖峰厚尾的非正態(tài)性,導(dǎo)致了傳統(tǒng)協(xié)方差矩陣估計(jì)方法的估計(jì)效果并不理想。其次,當(dāng)總體維數(shù)超過(guò)樣本容量時(shí),傳統(tǒng)的估計(jì)方法會(huì)面臨維數(shù)災(zāi)難的問(wèn)題。針對(duì)高頻數(shù)據(jù)高維協(xié)方差矩陣估計(jì)問(wèn)題,本文提出基于Huber損失函數(shù)預(yù)平均機(jī)制的收縮模型。該模型從已實(shí)現(xiàn)波動(dòng)理論出發(fā),基于收縮估計(jì)方法,結(jié)合高頻數(shù)據(jù)處理機(jī)制,實(shí)現(xiàn)了收縮方法對(duì)高頻數(shù)據(jù)積分協(xié)方差矩陣的估計(jì)。將收縮估計(jì)這一重要的估計(jì)方法擴(kuò)展至高頻數(shù)據(jù)領(lǐng)域的同時(shí),也為準(zhǔn)確估計(jì)高頻數(shù)據(jù)高維協(xié)方差矩陣提供方法支持。為了檢驗(yàn)本文所提出方法的有效性,文章通過(guò)數(shù)值模擬,對(duì)不同估計(jì)量的效果進(jìn)行比較。結(jié)果顯示,基于Huber損失函數(shù)預(yù)平均機(jī)制的幾何型收縮估計(jì)量的效果最好。本文進(jìn)一步將該估計(jì)方... 

【文章來(lái)源】：浙江工商大學(xué)浙江省

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

研究框架流程圖


本文編號(hào)：3060769