典型文献
高维时变投资组合模型的构造及估计
文献摘要：
在大数据背景下,高维资产组合的构造以及选择是金融领域研究的热点和难点问题.文章构造了基于SCGARCH模型的含有范数约束的高维时变最小方差投资组合模型,将其记为NC-MVP-SCGARCH.该组合的优势主要体现在两方面:首先采用SCGARCH模型来估计和预测组合的重要输入变量——资产间的协方差阵,该模型将改进的乔列斯基分解法和卡尔曼滤波估计方法相结合,在解决了高维数据所面临的维数诅咒的同时,考虑了过去市场信息对协方差阵估计的影响;其次,基于范数约束的最小方差投资组合(NC-MVP)将l1和l2范数有机结合,更加适用于高维资产.研究发现:文章构造的NC-MVP-SCGARCH组合效果更优.
文献关键词：
改进的乔列斯基分解法;弹性网络;高维时变投资组合;状态空间模型;NC-MVP-SCGARCH模型
中图分类号：
作者姓名：
刘丽萍;吕政
作者机构：
贵州财经大学数学与统计学院,贵州省大数据统计分析重点实验室,贵阳550025;中央财经大学统计与数学学院,北京102206
文献出处：
引用格式：
[1]刘丽萍;吕政-.高维时变投资组合模型的构造及估计)[J].系统科学与数学,2022(09):2367-2382
A类：
高维时变投资组合,SCGARCH,改进的乔列斯基分解法
B类：
投资组合模型,大数据背景下,资产组合,金融领域,范数约束,最小方差,记为,NC,MVP,该组,协方差阵,卡尔曼滤波估计,估计方法,高维数据,诅咒,市场信息,l1,l2,弹性网络,状态空间模型
AB值：
0.223678
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
