基于小波和阈值的高维波动矩阵估计

@文章{Fryzlewicz2013HighdimensionalVM,title={通过小波和阈值的高维波动性矩阵估计},author={Piotr Fryzlewicz},journal={Biometrika},年份={2013},体积={100},页数={921-938},url={https://api.semanticscholar.org/CorpusID:92989676}}
一种新的基于小波的波动率矩阵估计技术,它结合了四个要素:Haar小波分解、阈值化之前通过Fisz变换对Haar系数进行方差稳定、偏差校正和额外的时域阈值(软阈值或硬阈值)。

本文中的数字

基于阈值主正交补的大协方差估计

结果表明,随着维数的增加,估计未知因子的效果消失,引入主正交补码阈值法“POET”来探索这种具有稀疏性的近似因子结构。

高维协方差和精确矩阵估计方法

解释了因子定价模型,它是金融学中最基本的结果之一,阐明了因子定价模型的大型投资组合和大型面板测试的风险估计,以及面板数据模型中有效估计的最新发展。

基于阈值主正交补的大协方差估计

本文通过在近似因子模型中假设稀疏误差协方差矩阵,来研究具有条件稀疏结构和快速发散特征值的高维协方差的估计,即使去掉了常见但未观察到的因子,也允许存在某些横截面相关。

大型投资组合的风险

研究发现,当维数较大时,无论因子是否已知,基于因子的风险估计量都具有相同的渐近方差,这略小于基于样本协方差的估计量。

高维数据协方差、相关性和精度矩阵的估计

本文主要研究大相关矩阵和协方差矩阵及其逆矩阵的估计。提出了两种新方法。首先,提出了基于倾斜的精度矩阵估计方法

大相关阵和协方差阵及其逆阵的NOVELIST估计

我们提出了一种“样本和阈值协方差的NOVEL积分”(NOVELIST)估计方法来估计大协方差(相关性)和精度矩阵

时间序列中断点的一致估计,并应用于花旗集团收益的小波分析

    数学、经济学
  • 2014
本文的一个新特点是,它能够识别多个时间序列的常见断点,即使它们收集不同频率的数据,并且有助于协调两个标准小波滤波器的断点输出。

大型投资组合风险的稳健推断

基于bootstrap的稳健高置信度上限(robust H-CLUB),用于评估大型投资组合的风险,该投资组合利用基于秩和基于分位数的估计量,可以被视为H-CLUB方法的稳健扩展。

局部平稳波动率估计的Haar-Fisz方法

我们考虑一个财务对数回归的局部平稳模型,其中收益是独立的,波动率是一个具有未知数量和位置跳跃的分段常数函数,

高频金融数据的巨大波动矩阵估计

金融资产价格的高频数据通常由带有微观结构噪声的扩散过程建模,而基于已实现波动率的方法通常用于估计

非参数函数估计的数据驱动小波-Fisz方法

本文提出了一种基于小波的技术,用于对被噪声污染的函数进行非参数估计,该函数的均值和方差通过一个可能未知的方差函数连接,并建立了Nadaraya-WWatson方差函数估计器的指数不等式。

时间非均匀多重波动建模

在投机市场上观察到的价格变化在一组资产、股票市场指数、汇率等之间表现出正的自相关和互相关

时变ARCH模型中的归一化最小二乘估计

我们研究了时变ARCH(tvARCH)过程。结果表明,它可以用来描述金融领域经常观察到的平方收益的样本自相关的缓慢衰减

时变拱模型的正态最小二乘估计:技术报告

我们研究了时变ARCH(tvARCH)过程。结果表明,它可以用来描述金融领域经常观察到的平方收益的样本自相关的缓慢衰减

作为局部平稳小波过程的财务对数回归建模和预测

在本文中,我们在Nason等人(2000)提出的局部平稳小波(LSW)框架中对财务对数回归序列进行建模。我们稍微改变了LSW设置,以包括时间调制

局部平稳因子模型:辨识与非参数估计

本文提出了一种新的大截面和时间维近似因子模型。因子载荷被假设为时间的光滑函数,这允许将模型考虑为

英国通货膨胀方差估计的自回归条件异方差

传统的计量经济模型假设一个恒定的单周期预测方差。为了推广这个令人难以置信的假设,一类新的随机过程称为自回归条件

大协方差矩阵的广义阈值

结果表明,广义阈值具有“稀疏性”性质,即它将真零点估计为概率趋向于1的零点,并且在一个额外的温和条件下,对于非零元素是符号一致的。