Matrix Via Matrix-Valued Factor Model
作者： 宋鹏[1];胡永宏[1,2,3]
作者机构： [1]中央财经大学统计与数学学院;[2]中国现场统计研究会;[3]中国现场统计研究会统计综合评价研究分会出版物刊名： 统计研究页码： 109-117页年卷期： 2017年 第11期
主题词： 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
摘要：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。
因篇幅问题不能全部显示，请点此查看更多更全内容