基于逆协方差矩阵的金融邻接矩阵用于检测局部群组
计量经济学
2024-12-10 v1
摘要
在金融应用中，我们常常观察到全球因素与局部因素共存，后者通常由多层因素模型进行建模。当在此类模型下检测未知的局部群组成员时，将协方差矩阵作为邻接矩阵进行检测效果不佳，因为全局因素的影响占主导地位。因此，本研究引入一种基于逆协方差矩阵的金融邻接矩阵(IFAM)，其利用逆协方差矩阵的负值。我们证明 IFAM 确保不同群组之间的边密度为零，而同一群组内部的边密度保持非零。这有助于减少误检连接，准确识别局部群组成员。为了在多层因素模型下估计 IFAM，我们引入因子调整 GLASSO 估计器，以解决逆协方差矩阵中普遍存在的全局因素效应。通过对20个金融市场国际股票收益率的实证研究表明，纳入 IFAM 能有效检测潜在的局部群组，从而有助于改善最小波动组合的配置绩效。
引用
@article{arxiv.2412.05664,
title = {Property of Inverse Covariance Matrix-based Financial Adjacency Matrix for Detecting Local Groups},
author = {Minseog Oh and Donggyu Kim},
journal= {arXiv preprint arXiv:2412.05664},
year = {2024}
}