本文關(guān)鍵詞： 混合頻率數(shù)據(jù) MFD模型 大維協(xié)方差陣　出處：《系統(tǒng)科學(xué)與數(shù)學(xué)》2017年06期 　論文類型：期刊論文

【摘要】：大維數(shù)據(jù)給傳統(tǒng)的協(xié)方差陣估計(jì)方法帶來(lái)了巨大的挑戰(zhàn),數(shù)據(jù)維度和噪聲的影響使得協(xié)方差陣的估計(jì)較為困難.在文章的研究中,將高頻數(shù)據(jù)和低頻數(shù)據(jù)相結(jié)合,提出了基于混合頻率數(shù)據(jù)的協(xié)方差陣的估計(jì)和預(yù)測(cè)模型——MFD模型,MFD模型在解決了維數(shù)詛咒的同時(shí)還考慮了過(guò)去市場(chǎng)信息對(duì)協(xié)方差陣的影響,動(dòng)態(tài)地估計(jì)和預(yù)測(cè)了未來(lái)的協(xié)方差陣.通過(guò)實(shí)證研究發(fā)現(xiàn):較基于低頻數(shù)據(jù)和高頻數(shù)據(jù)的協(xié)方差陣估計(jì)和預(yù)測(cè)模型而言,MFD模型明顯提高了高維協(xié)方差陣的估計(jì)和預(yù)測(cè)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]:The large dimension data brings a great challenge to the traditional covariance matrix estimation method. The influence of data dimension and noise makes the estimation of covariance matrix more difficult. In this paper, the high frequency data and the low frequency data are combined. The estimation and prediction model of covariance matrix based on mixed frequency data is proposed. The MFD model not only solves the curse of dimension, but also takes into account the influence of market information on the covariance matrix. The future covariance matrix is estimated and predicted dynamically. It is found that the MFD model improves the estimation and prediction efficiency of the high-dimensional covariance matrix significantly compared with the covariance matrix estimation and prediction model based on low-frequency and high-frequency data. 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】：國(guó)家社會(huì)科學(xué)基金項(xiàng)目(16CTJ013) 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) 2015年全國(guó)統(tǒng)計(jì)科學(xué)研究項(xiàng)目(2015LY19)資助課題
【分類號(hào)】：F832.51;O212.4

【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(zhǎng)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(shù)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(wú)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)博士學(xué)位論文 前4條

1 馬鋒;高頻數(shù)據(jù)視角下非參數(shù)波動(dòng)率建模、預(yù)測(cè)及其評(píng)價(jià)研究[D];西南交通大學(xué);2016年

2 唐勇;基于高頻數(shù)據(jù)的金融市場(chǎng)分析[D];天津大學(xué);2007年

3 劉廣應(yīng);帶跳的分?jǐn)?shù)維積分過(guò)程的冪變差理論及其在金融高頻數(shù)據(jù)中的應(yīng)用[D];復(fù)旦大學(xué);2011年

4 李勝歌;基于高頻數(shù)據(jù)的金融波動(dòng)率研究[D];天津大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10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(wèn)題[D];北京工業(yè)大學(xué);2006年

4 葉立;高頻數(shù)據(jù)下波動(dòng)率的影響分析[D];西北師范大學(xué);2016年

5 劉昂;2015年股市大跌前后的股指期現(xiàn)關(guān)系[D];上海社會(huì)科學(xué)院;2017年

6 韓鐵;金融市場(chǎng)（超）高頻數(shù)據(jù)建模及與低頻數(shù)據(jù)對(duì)比研究[D];天津大學(xué);2006年

7 張國(guó)勇;金融市場(chǎng)（超）高頻數(shù)據(jù)建模及其實(shí)證分析[D];天津大學(xué);2004年

8 李穎超;太鋼不銹股市高頻數(shù)據(jù)實(shí)證研究[D];山西財(cái)經(jīng)大學(xué);2012年

9 侯守國(guó);基于小波分析的股市高頻數(shù)據(jù)研究[D];天津大學(xué);2006年

10 翟昌立;基于高頻數(shù)據(jù)的中國(guó)證券市場(chǎng)特征研究[D];天津大學(xué);2007年

，

本文編號(hào)：1508222