基于半参数分布因子模型的时变协高阶矩建模及其在投资组合中的应用
DOI:
作者:
作者单位:

西南财经大学统计学院

作者简介:

通讯作者:

中图分类号:

O212

基金项目:

国家自然科学基金面上项目(71771187);国家自然科学基金国际交流合作项目(72011530149);国家自然科学基金地区科学基金项目(72163029);中央高校基本科研业务费专项资金项目(JBK190602)。


Estimating time-varying higher-order co-moments with single factor semi-nonparametric model and its application in portfolio selection
Author:
Affiliation:

1.Southwestern University of Finance and Economics;2.School of Statistics, Southwestern University of Finance and Economics

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    本文提出了一种基于半参数分布时变因子模型的动态协高阶矩建模方法,给出了模型设定、模型估计和时变高阶矩的检验。通过因子模型有效缓解了动态协高阶矩估计存在的“维数灾难”问题,同时通过引入半参数分布增加了模型的稳健性。实证研究表明:相比于现有协高阶矩估计方法,基于因子模型的动态建模能够有效捕捉资产收益率协高阶矩的时变结构,同时更加契合金融资产收益率的潜在特征;动态投资组合能够应用于高维场景,并产生更高且更稳定的经济价值,稳健性分析进一步证实了这一点。

    Abstract:

    We proposed a time-varying higher-order co-moment estimate based on a single factor time-varying semi-nonparametric (SF-TVSNP) model. The model specification, model estimation and model selection approaches are given in this paper. The single factor model can efficiently reduce “the curse of dimensionality” problem in the time-varying higher-order co-moments estimation, and the semi-parametric structure can improve the robustness of the SF-TVSNP model. The empirical studies show that the SF-TVSNP model can effectively capture the time-varying structure of higher-order co-moments of asset returns, and it is more suitable for the latent structure of asset returns. High-dimensional dynamic portfolio based on the SF-TVSNP model can generate higher and stable economic value, which is further confirmed by robust analysis.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2020-11-11
  • 最后修改日期:2022-06-05
  • 录用日期:2022-06-24
  • 在线发布日期: 2022-06-25
  • 出版日期:
您是第位访问者
管理科学学报 ® 2024 版权所有
通讯地址:天津市南开区卫津路92号天津大学第25教学楼A座908室 邮编:300072
联系电话/传真:022-27403197 电子信箱:jmsc@tju.edu.cn