金融資產(chǎn)的協(xié)方差陣在投資組合和風險管理中扮演著非常重要的角色。本書在前人研究的基礎之上，針對目前研究的不足提出了一個新的基于市場微觀結構噪聲和跳躍的估計量--修正的門限預平均已實現(xiàn)協(xié)方差陣，并對其理論性質(zhì)和應用情況進行了研究。全書共7章，按照研究內(nèi)容可以分為四個個部分。第一部分為1-2章，包括緒論和研究進展，主要給出本書的研究目的、意義、創(chuàng)新點以及目前對于金融高頻協(xié)方差陣的研究現(xiàn)狀等。第二部分為方法研究（3-5章），主要是針對目前研究的不足，提出可以同時處理市場微觀結構噪聲和跳躍的金融高頻協(xié)方差陣估計方法，對其理論性質(zhì)進行證明，并進一步對其修正，將分塊策略應用到我們提出的估計量中，來減少數(shù)據(jù)的損失，提高協(xié)方差陣的估計效率。第三部分（6章）為應用研究，主要是將本書提出的估計量應用到投資組合中，來研究其應用情況。最后一部分（7章）是本書的總結。
更多科學出版社服務，請掃碼獲取。
在金融計量領域里，多維的金融高頻協(xié)方差陣在投資組合和風險管理中起著非常重要的作用。在資產(chǎn)組合中，資產(chǎn)權數(shù)的確定跟它們之間的協(xié)方差陣是密切相關的，得到的協(xié)方差陣越精確，權數(shù)的分配越合理，組合效果將會更好。因此，對基于高頻數(shù)據(jù)的協(xié)方差陣估計方法進行研究具有重要的理論和實踐意義。
高頻數(shù)據(jù)包含了豐富的市場信息，是金融領域的研究重點之一。當市場上不存在市場微觀結構噪聲或跳躍時，已實現(xiàn)協(xié)方差陣（RCOV）是積分協(xié)方差陣的一致估計量。而在現(xiàn)實的金融市場上，噪聲和跳躍往往是同時存在的，在二者都存在的情況下，對高頻協(xié)方差陣進行估計從而得到積分協(xié)方差陣的一致估計量，是值得深入研究的問題。但是現(xiàn)有的研究要么只考慮市場微觀結構噪聲的影響，要么只考慮跳躍的影響，很少有文獻同時考慮噪聲和跳躍對高頻協(xié)方差陣估計的影響。而噪聲和跳躍有可能同時存在于金融市場上，在二者同時存在的情況下對高頻數(shù)據(jù)的協(xié)方差陣進行估計，仍是一個較為困難的問題。本書在前人研究的基礎之上，針對目前研究的不足，提出了新的高頻協(xié)方差陣估計量，同時處理市場微觀結構噪聲和跳躍的影響，提高高頻協(xié)方差陣的估計效率。本書將高頻數(shù)據(jù)波動理論、計量分析方法及實證研究緊密地結合起來，采用定性與定量相結合的方法，既有理論的梳理與構建，又有詳細的實證分析。
劉麗萍，女，1984年11月生，山東菏澤人，統(tǒng)計學博士，副教授，新加坡國立大學訪問學者，現(xiàn)就職于貴州財經(jīng)大學數(shù)學與統(tǒng)計學院，任貴州財經(jīng)大學統(tǒng)計學科學術帶頭人（2013～2016）。在國家核心期刊《統(tǒng)計研究》《數(shù)量經(jīng)濟技術經(jīng)濟研究》《管理工程學報》《系統(tǒng)工程理論與實踐》《統(tǒng)計與信息論壇》《系統(tǒng)工程》《投資研究》《統(tǒng)計與決策》《數(shù)學的實踐與認識》等刊物發(fā)表相關論文10余篇，主持國家社會科學基金項目1項、省部級項目若干。
目錄
前言
縮寫釋義
1緒論1
2金融高頻數(shù)據(jù)研究現(xiàn)狀4
2.1高頻數(shù)據(jù)及其特征分析4
2.1.1什么是金融高頻數(shù)據(jù)4
2.1.2金融高頻數(shù)據(jù)的主要特征4
2.2金融高頻數(shù)據(jù)分析的主要動因5
2.3金融高頻數(shù)據(jù)分析研究的現(xiàn)狀5
2.3.1金融高頻數(shù)據(jù)統(tǒng)計特征的研究6
2.3.2金融市場微觀結構的研究8
2.3.3金融高頻數(shù)據(jù)建模的研究9
2.3.4基于金融高頻數(shù)據(jù)已實現(xiàn)波動的研究12
2.3.5基于金融高頻數(shù)據(jù)協(xié)方差陣的研究 21
2.4我國研究金融高頻數(shù)據(jù)的必要性22
3常見的高頻協(xié)方差陣估計方法及其應用24
3.1 RCOV估計方法24
3.2基于市場微觀結構噪聲的RCOV估計方法27
3.2.1市場微觀結構噪聲對RCOV的影響 28
3.2.2考慮了市場微觀結構噪聲影響的RCOV估計方法 29
3.3考慮跳躍影響的高頻協(xié)方差陣估計方法37
3.3.1 RBPCOV估計方法 37
3.3.2 ROWCOV估計方法 40
3.3.3 thresholdCOV估計方法 42
3.4金融高頻協(xié)方差陣在投資組合中的應用情況43
3.5本章小結46
4 TPCOV估計方法的提出及其修正48
4.1預平均協(xié)方差陣估計方法49
4.1.1改進的預平均方法 49
4.1.2基于預甲均方法的MRCOV估計法 53
4.2新估計量的提出TPCOV及其修正55
4.2.1高頻數(shù)據(jù)的基本設定 55
4.2.2 MTPCOV 的構造形式 56
4.2.3積分方差的一致估計量——MTPRV 57
4.2.4積分協(xié)方差的+致估計量MTPCV估計量60
4.3基于MTPCV的模擬研究65
4.3.1窗寬及門限函數(shù)的選擇 65
4.3.2基于隨機波動模型的數(shù)據(jù)模擬研究 70
4.4本章小結80
5 RnBMTPCOV的估計82
5.1基于刷新時間方案的MTPCOV的數(shù)據(jù)損失分析84
5.1.1刷新時間方案 84
5.1.2基于刷新時間方案的數(shù)據(jù)損失分析 85
5.2 RnBMTPCOV佶計方法87
5.2.1基于分塊策略的協(xié)方差矩陣 87
5.2.2協(xié)方差陣的正則化處理方法 91
5.3 RnBMTPCOV的估計及有效性分析93
5.3.1 RnBMTPCOV估計結果的描述性統(tǒng)計分析 93
5.3.2基于MincerZarnowitz回歸的協(xié)方差陣的比較分析 94
5.4本章小結97
6多維協(xié)方差陣預測模型的比較分析98
6.1基于高頻數(shù)據(jù)的協(xié)方差預測模型1 00
6.1.1CFARMA (2,1)模型.101
6.1.2FIVAR模型102
6.1.3多元異質(zhì)白回歸(MHAR)模型104
6.1.4基于Wishart分布的自回歸(WAR)模型106
6.2基于低頻數(shù)據(jù)的協(xié)方差陣預測模型107
6.2.1DCC模型108
6.2.2 BEKK模型108
6.3預測模型的比較方法109
6.3.1損失函數(shù)110
6.3.2 MCS檢驗111
6.4模型預測結果的比較113
6.4.1數(shù)據(jù)的描述113
6.4.2多維協(xié)方差陣預測模型的比較分析116
6.5本章小結119
7金融高頻協(xié)方差陣在投資組合中應用的實證分析120
7.1高頻數(shù)據(jù)在投資組合中應用問題的提出120
7.1.1引言120
7.1.2投資組合優(yōu)化問題122
7.2實證分析方法介紹124
7.2.1動態(tài)投資組合策略——波動擇時策略124
7.2.2動態(tài)投資組合的比較方法125
7.3實證分析l29
7.3.1樣本數(shù)據(jù)的處理129
7.3.2各投資組合的收益和波動分析1 30
7.3.3各投資組合的經(jīng)濟收益分析131
7.3.4各投資組合Sharpe比率的比較134
7.4本章小結l37
參考文獻138
附錄A書中用到的部分程序代碼149
附錄B部分模擬數(shù)據(jù)159
書單推薦
