金融高频协方差阵的估计及应用研究2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

金融高频协方差阵的估计及应用研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1 绪论1

2 金融高频数据研究现状4

2.1 高频数据及其特征分析4

2.1.1 什么是金融高频数据4

2.1.2 金融高频数据的主要特征4

2.2 金融高频数据分析的主要动因5

2.3 金融高频数据分析研究的现状5

2.3.1 金融高频数据统计特征的研究6

2.3.2 金融市场微观结构的研究8

2.3.3 金融高频数据建模的研究9

2.3.4 基于金融高频数据已实现波动的研究12

2.3.5 基于金融高频数据协方差阵的研究21

2.4 我国研究金融高频数据的必要性22

3 常见的高频协方差阵估计方法及其应用24

3.1 RCOV估计方法24

3.2 基于市场微观结构噪声的RCOV估计方法27

3.2.1 市场微观结构噪声对RCOV的影响28

3.2.2 考虑了市场微观结构噪声影响的RCOV估计方法29

3.3 考虑跳跃影响的高频协方差阵估计方法37

3.3.1 RBPCOV估计方法37

3.3.2 ROWCOV估计方法40

3.3.3 thresholdCOV估计方法42

3.4 金融高频协方差阵在投资组合中的应用情况43

3.5 本章小结46

4 TPCOV估计方法的提出及其修正48

4.1 预平均协方差阵估计方法49

4.1.1 改进的预平均方法49

4.1.2 基于预平均方法的MRCOV估计法53

4.2 新估计量的提出——TPCOV及其修正55

4.2.1 高频数据的基本设定55

4.2.2 MTPCOV的构造形式56

4.2.3 积分方差的一致估计量——MTPRV57

4.2.4 积分协方差的一致估计量——MTPCV估计量60

4.3 基于MTPCV的模拟研究65

4.3.1 窗宽及门限函数的选择65

4.3.2 基于随机波动模型的数据模拟研究70

4.4 本章小结80

5 RnBMTPCOV的估计82

5.1 基于刷新时间方案的MTPCOV的数据损失分析84

5.1.1 刷新时间方案84

5.1.2 基于刷新时间方案的数据损失分析85

5.2 RnBMTPCOV估计方法87

5.2.1 基于分块策略的协方差矩阵87

5.2.2 协方差阵的正则化处理方法91

5.3 RnBMTPCOV的估计及有效性分析93

5.3.1 RnBMTPCOV估计结果的描述性统计分析93

5.3.2 基于Mincer-Zarnowitz回归的协方差阵的比较分析94

5.4 本章小结97

6 多维协方差阵预测模型的比较分析98

6.1 基于高频数据的协方差预测模型100

6.1.1 CF-ARMA（2，1）模型101

6.1.2 FI-VAR模型102

6.1.3 多元异质自回归（MHAR）模型104

6.1.4 基于Wishart分布的自回归（WAR）模型106

6.2 基于低频数据的协方差阵预测模型107

6.2.1 DCC模型108

6.2.2 BEKK模型108

6.3 预测模型的比较方法109

6.3.1 损失函数110

6.3.2 MCS检验111

6.4 模型预测结果的比较113

6.4.1 数据的描述113

6.4.2 多维协方差阵预测模型的比较分析116

6.5 本章小结119

7 金融高频协方差阵在投资组合中应用的实证分析120

7.1 高频数据在投资组合中应用问题的提出120

7.1.1 引言120

7.1.2 投资组合优化问题122

7.2 实证分析方法介绍124

7.2.1 动态投资组合策略——波动择时策略124

7.2.2 动态投资组合的比较方法125

7.3 实证分析129

7.3.1 样本数据的处理129

7.3.2 各投资组合的收益和波动分析130

7.3.3 各投资组合的经济收益分析131

7.3.4 各投资组合Sharpe比率的比较134

7.4 本章小结137

参考文献138

附录A书中用到的部分程序代码149

附录B部分模拟数据159