矩阵值观测下相关结构的检验与支持恢复及其在股市数据中的应用
统计方法学
2021-09-28 v2 统计理论
统计理论
摘要
资产收益协方差矩阵的估计对投资组合构建至关重要。正如经济理论所暗示，新兴市场和发达国家之间资产的相关结构存在差异。因此，对两组国家间相关矩阵相等性进行严格的统计推断十分必要。然而，若采用传统的向量值方法，此类推断或因国家数量有限而资产相对丰富不可行，或因违背时间独立性假设而无效。这凸显了将观测视为矩阵值而非向量值的必要性。借助矩阵值观测，我们关注的问题可表述为亚高斯分布下协方差结构的统计推断，即检验非相关性与相关性相等性，以及相应的支持估计。我们开发了在某些正则条件下渐近最优的步骤。模拟结果展示了我们的步骤在正态与非正态分布下相较某些现有最优方法的计算与统计优势。将我们的步骤应用于股市数据揭示了有趣的模式，并通过严格统计检验验证了若干经济学命题。
引用
@article{arxiv.2006.16501,
title = {Testing and Support Recovery of Correlation Structures for Matrix-Valued Observations with an Application to Stock Market Data},
author = {Xin Chen and Dan Yang and Yan Xu and Yin Xia and Dong Wang and Haipeng Shen},
journal= {arXiv preprint arXiv:2006.16501},
year = {2021}
}