首页|高频数据下积分波动率矩阵的伪似然估计、预测及应用

高频数据下积分波动率矩阵的伪似然估计、预测及应用

Quasi-Maximum Likelihood Estimation,Prediction of the Integrated Covariance Matrix with High-Frequency Data and Their Applications in Financial Market

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
研究目标:利用高频数据准确估计和预测高维积分波动率矩阵,并将矩阵的预测值应用于资产投资组合的构造中.研究方法:通过保留p×p维已实现波动率矩阵的特征向量,对积分波动率矩阵的特征值进行预测,本文将积分波动率矩阵的估计和预测问题转化为p个一维积分波动率的估计和预测问题.研究发现:对高维已实现波动率矩阵过于发散的特征值进行调整能够提高矩阵估计的准确性;对资产收益率的积分波动率矩阵建立动态模型可以提高矩阵预测的精度.研究创新:将高维矩阵的估计和预测问题转化为矩阵特征向量的估计以及一维特征值的估计和预测问题;基于高频数据并建立资产收益率积分波动率矩阵的动态模型提高了资产投资组合的样本外表现.研究价值:本文提出的积分波动率矩阵估计和预测方法能够保证矩阵估计值和预测值的正定性;本文的预测方法能够提高矩阵的预测精度,能够在复杂的金融市场中构造低风险的资产组合.

刘成、罗金斗、罗知

展开 >

武汉大学经济与管理学院

高维积分波动率矩阵 高频数据 微观结构噪声 资产投资组合

国家自然科学基金重点项目2020年度教育部人文社会科学研究青年基金

7213200820YJC790074

2022

数量经济技术经济研究
数量经济与技术经济研究所

数量经济技术经济研究

CSTPCDCSSCICSCDCHSSCD北大核心
影响因子：1.069
ISSN：1000-3894
年,卷(期)：2022.39(3)
  • 7