Dynamic Realized Minimum Variance Portfolio Models
动态已实现最小方差投资组合模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接使用高频金融数据估计波动矩阵，并据此构建最小方差组合动态。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
动态已实现最小方差投资组合模型
- 研究问题
- 如何利用高频金融数据直接刻画最小方差投资组合权重的动态，并在参数数量较多时估计模型和预测未来组合？
- 方法与思路
- 作者以 CLIME 估计逆波动矩阵，计算每日已实现非标准化组合权重，构建自回归动态模型，并采用 LASSO 估计参数。
- 材料陈述的贡献
- 摘要称，论文提出动态已实现最小方差组合模型，建立相关渐近性质，并利用高频交易数据展示组合预测应用。
- 阅读关注点
- 应核对波动矩阵与权重估计误差如何传递、CLIME 和 LASSO 的条件，以及预测评估、权重标准化和实际组合约束。
- 阅读边界
- 依据 arXiv 预印本摘要，同行评审及期刊接收未核实；渐近条件、预测比较数值及交易成本处理，摘要未说明。
原文摘要
This paper introduces a dynamic minimum variance portfolio (MVP) model using nonlinear volatility dynamic models, based on high-frequency financial data. Specifically, we impose an autoregressive dynamic structure on MVP processes, which helps capture the MVP dynamics directly. To evaluate the dynamic MVP model, we estimate the inverse volatility matrix using the constrained $\ell_1$-minimization for inverse matrix estimation (CLIME) and calculate daily realized non-normalized MVP weights. Based on the realized non-normalized MVP weight estimator, we propose the dynamic MVP model, which we call the dynamic realized minimum variance portfolio (DR-MVP) model. To estimate a large number of parameters, we employ the least absolute shrinkage and selection operator (LASSO) and predict the future MVP and establish its asymptotic properties. Using high-frequency trading data, we apply the proposed method to MVP prediction.