Positive semidefinite integrated covariance estimation, factorizations and asynchronicity
半正定积分协方差估计：矩阵分解与异步交易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：摘要涉及高频积分协方差估计，并明确用于组合风险价值及行业风险暴露预测。
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…
半正定积分协方差估计：矩阵分解与异步交易
- 研究问题
- 在非同步交易与微观结构噪声并存时，如何利用不同资产的交易强度差异，估计天然半正定的积分协方差矩阵？
- 方法与思路
- 作者利用协方差矩阵的 Cholesky 分解顺序估计不同参数，以尽可能使用可用观测，并开展渐近分析、模拟和风险预测应用。
- 材料陈述的贡献
- 摘要称估计量天然半正定；在五十二只股票的组合应用中，采用该估计量的动态模型提供更好的风险价值和行业风险预测。
- 阅读关注点
- 应核对顺序估计与资产排序的关系、噪声及异步交易条件，以及风险预测的比较模型、检验方法和经济评价指标。
- 阅读边界
- 仅依据所给出版社摘要；渐近条件、预测改善数值与比较基准未说明，应用中的优势不能推断为其他资产组合上的普遍优势。
原文摘要
An estimator of the ex-post covariation of log-prices under asynchronicity and microstructure noise is proposed. It uses the Cholesky factorization of the covariance matrix in order to exploit the heterogeneity in trading intensities to estimate the different parameters sequentially with as many observations as possible. The estimator is positive semidefinite by construction. We derive asymptotic results and confirm their good finite sample properties by means of a Monte Carlo simulation. In the application we forecast portfolio Value-at-Risk and sector risk exposures for a portfolio of 52 stocks. We find that the dynamic models utilizing the proposed high-frequency estimator provide statistically and economically superior forecasts.