Forecasting Covariance Matrices : A Mixed Approach
Forecasting Covariance Matrices : A Mixed Approach
复制标题
预测协方差矩阵：混合方法
DOI：
10.1093/jjfinec/nbu031
复制
发表时间：
2014
影响因子：
2.5
通讯作者：
V. Voev
中科院分区：
文献类型：
--
作者：
Halbleib;V. Voev
在本文中，我们介绍了一种通过利用从不同信息集导出的混合预测的理论和经验潜力来预测大维协方差矩阵的新方法。本文的主要理论贡献是找到混合方法 (MA) 提供比标准方法更小的均方预测误差的条件。这些条件是通用的，不依赖于预测误差的分布假设或任何特定的模型规范。本文的实证贡献涉及在预测 30 只股票的投资组合的协方差矩阵时，对新方法与标准方法进行全面的比较。实施的 MA 使用根据高频模型计算的波动率预测和使用已实现波动率调整的动态条件相关模型计算的相关预测。 MA 始终优于根据每日收益计算的标准方法，并且与使用基于高频规范的方法同样出色，但计算成本较低。
In this article, we introduce a new method of forecasting large-dimensional covariance matrices by exploiting the theoretical and empirical potential of mixing forecasts derived from different information sets. The main theoretical contribution of the article is to find the conditions under which a mixed approach (MA) provides a smaller mean squared forecast error than a standard one. The conditions are general and do not rely on distributional assumptions of the forecasting errors or on any particular model specification. The empirical contribution of the article regards a comprehensive comparative exercise of the new approach against standard ones when forecasting the covariance matrix of a portfolio of thirty stocks. The implemented MA uses volatility forecasts computed from high-frequency-based models and correlation forecasts using realized-volatility-adjusted dynamic conditional correlation models. The MA always outperforms the standard methods computed from daily returns and performs equally well to the ones using high-frequency-based specifications, however at a lower computational cost.
登录
查看更多内容
建模实现的协方差
DOI：
--
发表时间：
2009
期刊：
影响因子：
--
作者：
Xin Jin;J. Maheu
通讯作者：
J. Maheu
实现了大维协方差估计的混合频率因子模型
DOI：
--
发表时间：
2012
期刊：
影响因子：
--
作者：
Karim Bannouh;M. Martens;R. Oomen;Dick J. C. van Dijk
通讯作者：
Dick J. C. van Dijk
论不可能性定理的无关性：长期方差的案例
DOI：
--
发表时间：
2011
期刊：
影响因子：
--
作者：
Pierre Perron;Linxia Ren
通讯作者：
Linxia Ren
影响因子：
2.5
作者：
Corsi, Fulvio
通讯作者：
Corsi, Fulvio
DOI：
10.1002/9781118272039.ch16
发表时间：
2012-03
期刊：
--
影响因子：
--
作者：
Eric Ghysels;Rossen Valkanov
通讯作者：
Eric Ghysels;Rossen Valkanov