大维数据的动态条件协方差阵的估计及其应用

大维数据给传统的协方差阵估计方法带来了巨大的挑战,数据维度和噪声的影响不容忽视。本文将主成分和门限方法有效结合,应用到DCC模型的估计中,提出了基于主成分正交补门限方法的DCC模型(poet DCC)。poet DCC模型主要通过前K个主成分来刻画高维动态条件协方差阵的信息,然后将门限函数应用在矩阵的正交补中,有效地降低了数据的维度并剔除了噪声的影响。通过模拟和实证研究发现:较DCC模型而言,poet DCC模型明显提高了高维协方差阵的估计和预测效率;并且将其应用在投资组合时,投资者获得了更高的投资收益和经济福利。