On portfolio optimization: How and when do we benefit from high‐frequency data?
投资组合优化：何时以及如何受益于高频数据？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：摘要直接比较日内与日度数据，并以已实现波动率估计精度为背景分析组合优化，最相关的是高频计量与波动率。
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
投资组合优化：何时以及如何受益于高频数据？
- 研究问题
- 在以道琼斯三十只股票跟踪标普五百指数的组合任务中，高频数据对优化的帮助如何随再平衡频率和估计窗口长度变化？
- 方法与思路
- 作者在指数跟踪框架中比较日内与日度数据的组合优化表现，考察再平衡频率、历史数据窗口以及交易成本的影响。
- 材料陈述的贡献
- 摘要称月度调仓且有至少十二个月数据时，日度数据可能表现相当；每日调仓或窗口不足六个月时，高频数据带来明显改善。
- 阅读关注点
- 应核对波动率及相关风险输入的估计、跟踪表现的评价指标、交易成本设定，以及不同窗口与调仓频率下的比较设计。
- 阅读边界
- 所给 Crossref 摘要称结论对交易成本稳健，但未说明成本模型或改善数值；该指数跟踪场景的结论不能直接推广到所有组合。
原文摘要
Abstract We examine how the use of high‐frequency data impacts the portfolio optimization decision. Prior research has documented that an estimate of realized volatility is more precise when based upon intraday returns rather than daily returns. Using the framework of a professional investment manager who wishes to track the S&P 500 with the 30 Dow Jones Industrial Average stocks, we find that the benefits of using high‐frequency data depend upon the rebalancing frequency and estimation horizon. If the portfolio is rebalanced monthly and the manager has access to at least the previous 12 months of data, daily data have the potential to perform as well as high‐frequency data. However, substantial improvements in the portfolio optimization decision from high‐frequency data are realized if the manager rebalances daily or has less than a 6‐month estimation window. These findings are robust to transaction costs. Copyright © 2009 John Wiley & Sons, Ltd.