A Dynamic Structure for High-Dimensional Covariance Matrices and Its Application in Portfolio Allocation
高维协方差矩阵的动态结构及其在投资组合配置中的应用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。
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：摘要直接研究金融资产动态协方差估计及组合应用，与金融波动和协方差建模相关。
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…
高维协方差矩阵的动态结构及其在投资组合配置中的应用
- 研究问题
- 作者研究如何刻画并估计高维协方差矩阵的动态结构，以及使用这种结构进行投资组合配置时，其表现与其他协方差估计方法有何差异。
- 方法与思路
- 作者提出动态协方差结构及估计程序，推导渐近性质，并通过有限样本模拟和金融应用考察方法表现；摘要未给出具体结构形式。
- 材料陈述的贡献
- 摘要称，基于该方法的组合在所考察时期优于市场，也优于样本协方差、因子模型协方差和收缩估计所对应的配置方法。
- 阅读关注点
- 应核对动态结构与维度增长条件、渐近结论，以及组合回测是否样本外、如何处理交易成本、风险差异和统计显著性。
- 阅读边界
- 所给 OpenAlex 摘要报告了作者的比较结论，但未说明回测细节、评价指标及数值幅度，不能据此确认可推广的投资表现。
原文摘要
Shaojun Guoa, John Leigh Boxb & Wenyang Zhangb*a Institute of Statistics and Big Data, Renmin University of China, Beijing, Chinab Department of Mathematics, University of York, York, United KingdomCONTACT Wenyang Zhang wenyang.zhang@york.ac.uk Department of Mathematics, The University of York, York YO10 5DD, United KingdomSupplementary materials for this article are available online. Please go to www.tandfonline.com/r/JASA.ABSTRACTEstimation of high-dimensional covariance matrices is an interesting and important research topic. In this article, we propose a dynamic structure and develop an estimation procedure for high-dimensional covariance matrices. Asymptotic properties are derived to justify the estimation procedure and simulation studies are conducted to demonstrate its performance when the sample size is finite. By exploring a financial application, an empirical study shows that portfolio allocation based on dynamic high-dimensional covariance matrices can significantly outperform the market from 1995 to 2014. Our proposed method also outperforms portfolio allocation based on the sample covariance matrix, the covariance matrix based on factor models, and the shrinkage estimator of covariance matrix. Supplementary materials for this article are available online.