基于流动性调整的高频协方差阵的估计及其应用研究

金融资产交易往往不具有时间的一致性,采用高频数据估计协方差阵时需要避免由于异步交易导致的"Epps"效应。常用的时间刷新技术能够解决异步交易问题,但随着资产数量增加,样本量会迅速减少。本文介绍了基于流动性调整的双频协方差阵估计方法(Rn BTSCOV),该方法可减少数据量的损失,在不对参数施加任何限制的情况下,提高估计精度。将该方法应用到投资组合中与常用的已实现协方差阵和双频协方差阵进行对比分析,研究发现Rn BTSCOV方法在所有的标准下具有更好的表现。