摘要

我们考虑了经过充分研究的预测时变的问题财务收益向量的协方差矩阵。流行的方法包括滚动等简单预测窗口或指数加权移动平均（EWMA）更复杂的预测因子，如广义自回归条件异方差（GARCH）型方法。基于恩格尔建议的特定协方差估计2002年，我们提出了一个相对简单的扩展几乎不需要或根本不需要调整或拟合，是可解释的，并且产生的结果至少与流行的MGARCH一样好GARCH的扩展，处理多个资产。评估我们引入了一种新的方法，评估一段时间内对数似然性的遗憾，例如四分之一。这个指标让我们不仅可以看到效果有多好协方差预测器的总体性能，以及它的速度对市场条件的变化做出反应。我们的简单预测就遗憾而言，表现优于MGARCH。我们还测试下游应用的协方差预测因子，如依赖协方差的投资组合优化方法矩阵。对于这些应用，我们的简单协方差预测器和MGARCH的表现类似。

预测财务收益协方差矩阵的一种简单方法

预测财务收益协方差矩阵的一种简单方法做出三项贡献。首先，基于Engle在2002年提出的特定协方差估计量，提出了一种预测金融收益向量的时变协方差矩阵的新方法。第二篇文章提出了一种新的评估协方差预测值的方法，通过考虑某个时间段（例如一个季度）对数似然的遗憾。第三个贡献是对协方差预测因子进行了广泛的实证研究。作者将他们的方法与其他流行的预测方法进行了比较，包括滚动窗口、指数加权移动平均（EWMA）和广义自回归条件异方差（GARCH）型方法。

在介绍之后，第2节描述了一些常见的预测因子，包括该方法所基于的预测因子。第3节介绍了所提出的协方差预测因子。第4节讨论了验证协方差预测值的方法，这些预测值用于衡量总体绩效和对市场变化的反应性。第5节描述了作者第一次实证研究中使用的数据，第6节提供了结果。然后，作者讨论了该方法的一些扩展和变化，包括实现的协方差预测（第7节）、通过因子模型处理大宇宙（第8节）、获得平滑协方差估计（第9节）以及使用作者的协方差模型生成模拟收益（第10节）。