大维度已实现协方差矩阵预测：因子模型与收缩的益处
统计金融
2023-03-29 v1 机器学习
计量经济学
机器学习
摘要
我们提出一种预测收益大维度已实现协方差矩阵的模型，并将其应用于标普 500 成分股的日度数据。为应对维数灾难，我们使用标准公司层面因子（如规模、价值与盈利性）分解收益协方差矩阵，并在残差协方差矩阵中施加板块约束。随后，该受限模型使用带最小绝对收缩与选择算子（LASSO）的向量异质自回归（VHAR）模型进行估计。相较标准基准，我们的方法提升了预测精度，并带来最小方差投资组合的更优估计。
引用
@article{arxiv.2303.16151,
title = {Forecasting Large Realized Covariance Matrices: The Benefits of Factor Models and Shrinkage},
author = {Rafael Alves and Diego S. de Brito and Marcelo C. Medeiros and Ruy M. Ribeiro},
journal= {arXiv preprint arXiv:2303.16151},
year = {2023}
}