期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于矩阵值因子模型的高维已实现协方差矩阵建模
被引量:
6
1
作者
宋鹏
胡永宏
《统计研究》
CSSCI
北大核心
2017年第11期109-117,共9页
随着大数据时代的来临,待分析数据维度越来越高,高维协方差矩阵的估计与建模已经成为统计学领域的一个基本问题。本文提出基于Cholesky分解的可预测矩阵值因子模型,对高维已实现协方差矩阵进行了建模及预测。模型有效地降低了矩阵维度,...
随着大数据时代的来临,待分析数据维度越来越高,高维协方差矩阵的估计与建模已经成为统计学领域的一个基本问题。本文提出基于Cholesky分解的可预测矩阵值因子模型,对高维已实现协方差矩阵进行了建模及预测。模型有效地降低了矩阵维度,显著减少了待估参数数目,有效地避免了估计误差的累积,且因子分析降维使得协方差矩阵元素之间的相依关系更加清晰。实际建模结果表明,模型与VAR-LASSO方法预测误差较为接近,但是降维效果更加明显,待估参数数目大大减少,更加具备应用价值。基于矩阵值因子模型构建的投资组合收益更加贴近真实投资组合收益,而且比VAR-LASSO方法更加稳健。
展开更多
关键词
矩阵值因子模型
高维已实现协方差矩阵
CHOLESKY分解
向量自回归
下载PDF
职称材料
稳健高维协方差矩阵估计及其投资组合应用——基于中心正则化算法
被引量:
5
2
作者
宋鹏
刘程程
胡永宏
《统计研究》
CSSCI
北大核心
2020年第7期116-128,共13页
高维协方差矩阵的估计问题现已成为大数据统计分析中的基本问题,传统方法要求数据满足正态分布假定且未考虑异常值影响,当前已无法满足应用需要,更加稳健的估计方法亟待被提出。针对高维协方差矩阵,一种稳健的基于子样本分组的均值-中...
高维协方差矩阵的估计问题现已成为大数据统计分析中的基本问题,传统方法要求数据满足正态分布假定且未考虑异常值影响,当前已无法满足应用需要,更加稳健的估计方法亟待被提出。针对高维协方差矩阵,一种稳健的基于子样本分组的均值-中位数估计方法被提出且简单易行,然而此方法估计的矩阵并不具备正定稀疏特性。基于此问题,本文引进一种中心正则化算法,弥补了原始方法的缺陷,通过在求解过程中对估计矩阵的非对角元素施加L1范数惩罚,使估计的矩阵具备正定稀疏的特性,显著提高了其应用价值。在数值模拟中,本文所提出的中心正则稳健估计有着更高的估计精度,同时更加贴近真实设定矩阵的稀疏结构。在后续的投资组合实证分析中,与传统样本协方差矩阵估计方法、均值-中位数估计方法和RA-LASSO方法相比,基于中心正则稳健估计构造的最小方差投资组合收益率有着更低的波动表现。
展开更多
关键词
高维协方差矩阵
稳健估计
中心正则化
投资组合
下载PDF
职称材料
题名
基于矩阵值因子模型的高维已实现协方差矩阵建模
被引量:
6
1
作者
宋鹏
胡永宏
机构
中央财经大学
统计
与数学学院
中国
现场
统计
研究会
中国现场统计研究会统计综合评价研究分会
出处
《统计研究》
CSSCI
北大核心
2017年第11期109-117,共9页
基金
国家自然科学基金面上项目"稳健投资组合选择的并行最优化算法研究与实现"(61272193)
中央财经大学研究生科研创新基金项目"高维协方差阵建模及投资组合应用"(201607)资助
文摘
随着大数据时代的来临,待分析数据维度越来越高,高维协方差矩阵的估计与建模已经成为统计学领域的一个基本问题。本文提出基于Cholesky分解的可预测矩阵值因子模型,对高维已实现协方差矩阵进行了建模及预测。模型有效地降低了矩阵维度,显著减少了待估参数数目,有效地避免了估计误差的累积,且因子分析降维使得协方差矩阵元素之间的相依关系更加清晰。实际建模结果表明,模型与VAR-LASSO方法预测误差较为接近,但是降维效果更加明显,待估参数数目大大减少,更加具备应用价值。基于矩阵值因子模型构建的投资组合收益更加贴近真实投资组合收益,而且比VAR-LASSO方法更加稳健。
关键词
矩阵值因子模型
高维已实现协方差矩阵
CHOLESKY分解
向量自回归
Keywords
Matrix-Valued Factor Model
High-Dimensional Realized Covariance Matrix
Cholesky Decomposition
VAR
分类号
O212 [理学—概率论与数理统计]
下载PDF
职称材料
题名
稳健高维协方差矩阵估计及其投资组合应用——基于中心正则化算法
被引量:
5
2
作者
宋鹏
刘程程
胡永宏
机构
中央国债登记结算有限责任公司博士后科研工作站
中国
人民银行金融
研究
所
首都经济贸易大学
统计
学院
中央财经大学
统计
与数学学院
中国
现场
统计
研究会
中国现场统计研究会统计综合评价研究分会
出处
《统计研究》
CSSCI
北大核心
2020年第7期116-128,共13页
基金
2017年国家公派留学博士生联合培养项目(201706490003)
2018年国家公派留学博士生联合培养项目(201806490076)
国家自然科学基金面上项目“基于高性能计算的养老目标基金投资策略研究”(61873254)。
文摘
高维协方差矩阵的估计问题现已成为大数据统计分析中的基本问题,传统方法要求数据满足正态分布假定且未考虑异常值影响,当前已无法满足应用需要,更加稳健的估计方法亟待被提出。针对高维协方差矩阵,一种稳健的基于子样本分组的均值-中位数估计方法被提出且简单易行,然而此方法估计的矩阵并不具备正定稀疏特性。基于此问题,本文引进一种中心正则化算法,弥补了原始方法的缺陷,通过在求解过程中对估计矩阵的非对角元素施加L1范数惩罚,使估计的矩阵具备正定稀疏的特性,显著提高了其应用价值。在数值模拟中,本文所提出的中心正则稳健估计有着更高的估计精度,同时更加贴近真实设定矩阵的稀疏结构。在后续的投资组合实证分析中,与传统样本协方差矩阵估计方法、均值-中位数估计方法和RA-LASSO方法相比,基于中心正则稳健估计构造的最小方差投资组合收益率有着更低的波动表现。
关键词
高维协方差矩阵
稳健估计
中心正则化
投资组合
Keywords
High-dimensional Covariance Matrix
Robust Estimation
Central-Regularized
Portfolio Selection
分类号
O212 [理学—概率论与数理统计]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于矩阵值因子模型的高维已实现协方差矩阵建模
宋鹏
胡永宏
《统计研究》
CSSCI
北大核心
2017
6
下载PDF
职称材料
2
稳健高维协方差矩阵估计及其投资组合应用——基于中心正则化算法
宋鹏
刘程程
胡永宏
《统计研究》
CSSCI
北大核心
2020
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部