The Dispersion Bias
The Dispersion Bias
复制标题
色散偏差
DOI：
--
复制
发表时间：
2017
影响因子：
1
通讯作者：
Alexander D. Shkolnik
中科院分区：
文献类型：
--
作者：
L. Goldberg;A. Papanicolaou;Alexander D. Shkolnik
当变量的数量远远超过观测的数量时，我们识别并校正样本协方差矩阵的主导特征向量中的过度离散度。我们的修正是数据驱动的，它大大减少了估计误差对最小方差投资组合的权重和风险预测的重大影响。我们用一种新的度量来量化这种影响，即优化偏差，它在修正前有一个正的下界，修正后几乎肯定会趋于零。样本特征值被用来校正引导特征向量中的过度色散。然而，样本特征值对大的最小方差投资组合没有直接影响：将样本特征值修正为它们的总体对应值并不能减少最优偏差。
We identify and correct excess dispersion in the leading eigenvector of a sample covariance matrix, when the number of variables vastly exceeds the number of observations. Our correction is data-driven, and it materially diminishes the substantial impact of estimation error on weights and risk forecasts of minimum variance portfolios. We quantify that impact with a novel metric, the optimization bias, which has a positive lower bound prior to correction and tends to zero almost surely after correction. The sample eigenvalues are used to correct excess dispersion in the leading eigenvector. However, the sample eigenvalues have no direct bearing on large minimum variance portfolios: correcting the sample eigenvalues to their population counterparts does nothing to diminish the optimization bias.
影响因子：
4.5
作者：
Donoho DL;Gavish M;Johnstone IM
通讯作者：
Johnstone IM
影响因子：
1.1
作者：
Aoshima M;Shen D;Shen H;Yata K;Zhou YH;Marron JS
通讯作者：
Marron JS
影响因子：
1.4
作者：
Shen,Dan;Shen,Haipeng;Zhu,Hongtu;Marron,JS
通讯作者：
Marron,JS