文献类型：期刊文章

作　　者：刘丽萍[1] 马丹[2] 白万平[3]

机构地区：[1]贵州财经大学统计系 [2]西南财经大学统计系 [3]贵州财经大学统计研究院

出　　处：《统计研究》

基　　金：贵州省科技基金项目"面板数据单位根检验方法及其在CAPM中的应用研究"(黔科合J字[2009]2062号);2014年贵州省哲学社会科学基金项目"双频协方差阵的估计及其应用研究"(14GZYB17)资助

年　　份：2015

卷　　号：32

期　　号：6

起止页码：105-112

语　　种：中文

收录情况：BDHX、BDHX2014、CSSCI、CSSCI2014_2016、JST、NSSD、RCCSE、RWSKHX、SKJJZZ、ZGKJHX、核心刊

摘　　要：大维数据给传统的协方差阵估计方法带来了巨大的挑战,数据维度和噪声的影响不容忽视。本文将主成分和门限方法有效结合,应用到DCC模型的估计中,提出了基于主成分正交补门限方法的DCC模型(poet DCC)。poet DCC模型主要通过前K个主成分来刻画高维动态条件协方差阵的信息,然后将门限函数应用在矩阵的正交补中,有效地降低了数据的维度并剔除了噪声的影响。通过模拟和实证研究发现:较DCC模型而言,poet DCC模型明显提高了高维协方差阵的估计和预测效率;并且将其应用在投资组合时,投资者获得了更高的投资收益和经济福利。

关 键 词：主成分 门限方法  主成分正交补门限DCC模型  高维协方差阵  

分 类 号：C81[统计学类]