×

多维稀疏贝叶斯时变协方差估计。 (英语) Zbl 1452.62773号

摘要:我们通过潜在的时变随机因素对时间序列向量的潜在共同波动动力学建模,解决了动态协方差估计中的维数灾难。在因子载荷矩阵元素之前使用全局-局部收缩将多余因子的载荷拉向零。为了证明该框架的优点,将该模型应用于模拟数据以及300名标准普尔500指数成份股成员的每日对数回报。与典型基准相比,我们的方法得出了精确的相关性估计、强大的隐含最小方差投资组合性能以及在对数预测分数方面的卓越预测准确性。

MSC公司:

62P05号 统计学在精算科学和金融数学中的应用
2015年1月62日 贝叶斯推断
62M10个 统计学中的时间序列、自相关、回归等(GARCH)
91克10 投资组合理论
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] 阿道夫森,M。;林德,J。;Villani,M.,《开放经济DSGE模型的预测绩效》,《计量经济学评论》,第26、2-4、289-328页(2007年)·Zbl 1112.62133号
[2] 阿吉拉尔,O。;West,M.,贝叶斯动态因子模型和投资组合配置,J.Bus。经济。《统计》,18,3,338-357(2000)
[3] 阿赫勒格比,D.F。;比利奥,M。;Casarin,R.,结构向量自回归过程的贝叶斯图形模型,J.Appl。计量经济学,31,2,357-386(2016)
[4] 安德森,T.W。;Rubin,H.,《因子分析中的统计推断》,《第三届伯克利数理统计与概率研讨会论文集》,第5卷:对计量经济学、工业研究和心理测量学的贡献,111-150(1956),加州大学出版社:加州大学伯克利分校出版社。
[5] Bai,J。;Ng,S.,《确定近似因子模型中的因子数》,《计量经济学》,70,1,191-221(2002)·Zbl 1103.91399号
[6] 班布拉,M。;Giannone,D。;Reichlin,L.,大型贝叶斯向量自回归,J.Appl。计量经济学,25,1,71-92(2010)
[7] 巴什蒂尔克,N。;Borowska,A。;格拉西,S。;胡格海德,L。;van Dijk,H.K.,《动态模型和数据驱动投资组合策略的预测密度组合》,J.Econometrics(2018)·Zbl 1452.62742号
[8] 医学硕士贝尔蒙特。;Koop,G。;Korobilis,D.,时变参数模型中的层次收缩,J.预测。,33,1,80-94(2014)·Zbl 1397.62090号
[9] Bhattacharya,A。;邓森,D.B.,《稀疏贝叶斯无限因子模型》,《生物统计学》,98,2,291-309(2011)·Zbl 1215.62025号
[10] 比托,A。;Frühwirth-Schnatter,S.,《在时变参数模型框架中实现收缩》,《计量经济学杂志》(2018)·兹比尔1452.62216
[11] Carhart,M.M.,《论共同基金业绩的持续性》,J.Finance,52,1,57-82(1997)
[12] 卡隆,F。;Doucet,A.,稀疏贝叶斯非参数回归,第25届机器学习国际会议论文集(ICML’2008),88-95(2008)
[13] Carriero,A。;克拉克,T.E。;Marcellino,M.,大型贝叶斯VAR中的常见漂移波动性,J.Bus。经济学。统计学。,34, 3, 375-390 (2016)
[14] Chib,S。;Nardari,F。;Shephard,N.,《高维多元随机波动率模型分析》,《计量经济学杂志》,134,2,341-371(2006)·Zbl 1418.62377号
[15] 恩格尔,R.F。;Kelly,B.,《动态等相关》,J.Bus。经济学。统计学。,30, 2, 212-228 (2012)
[16] Fama,E.F。;French,K.R.,《股票和债券回报中的常见风险因素》,J.Financ。经济。,33, 1, 3-56 (1993) ·Zbl 1131.91335号
[17] Frühwirth-Schnatter,S.,Lopes,H.F.,2018年。当因素数量未知时进行稀疏贝叶斯因素分析。arXiv预印1804.04231。网址:https://arxiv.org/abs/1804.04231; Frühwirth-Schnatter,S.,Lopes,H.F.,2018年。当因素数量未知时进行稀疏贝叶斯因素分析。arXiv预印1804.04231。网址:https://arxiv.org/abs/1804.04231
[18] Frühwirth-Schnatter,S。;Tüchler,R.,分层线性混合模型的贝叶斯简约协方差估计,统计计算。,18, 1, 1-13 (2008)
[19] Frühwirth-Schnatter,S。;Wagner,H.,高斯和部分非高斯状态空间模型的随机模型规范搜索,《计量经济学杂志》,154,1,85-100(2010)·Zbl 1431.62373号
[20] Geweke,J。;Amisano,G.,比较和评估资产收益的贝叶斯预测分布,国际预测杂志。,26, 2, 216-230 (2010)
[21] 格里芬,J.E。;Brown,P.J.,回归问题中正态伽马先验分布的推断,贝叶斯分析。,5, 1, 171-188 (2010) ·Zbl 1330.62128号
[22] 格里芬,J.E。;Brown,P.J.,回归模型的分层收缩先验,贝叶斯分析。,12, 1, 135-159 (2017) ·Zbl 1384.62225号
[23] 格鲁伯,L。;West,M.,GPU在同步图形动态线性模型中加速贝叶斯学习和预测,贝叶斯分析。,11, 1, 125-149 (2016) ·Zbl 1359.62367号
[24] Han,Y.,《具有高维潜在因素随机波动模型的资产配置》,Rev.Financ。螺柱,19,1,237-271(2006)
[25] 哈维,A.C。;鲁伊斯,E。;Shephard,N.,《多元随机方差模型》,《经济评论》。螺柱,61,2,247-264(1994)·Zbl 0805.90026号
[26] Hörmann,W。;Leydold,J.,生成广义逆高斯随机变量,统计计算。,24, 4, 1-11 (2013)
[27] Huber,F.,《利用贝叶斯全局向量自回归进行随机波动性密度预测》,《国际预测杂志》。,32, 3, 818-837 (2016)
[28] Huber,F。;Feldkircher,M.,贝叶斯向量自回归模型中的自适应收缩,J.Bus。经济。统计(2017)
[29] Huber,F。;Kastner,G。;Feldkircher,M.,我该留下还是该走?大规模混合创新模型的潜在阈值方法,J.Appl。计量经济学(2019)
[30] 石原慎太郎。;Omori,Y.,《使用动态因子和随机波动率的投资组合优化:最终错误和杠杆的证据》,Jpn。经济。版次:68、1、63-94(2017)
[31] Jungbacker,B。;Koopman,S.J.,三个多元随机波动率模型的蒙特卡罗似然估计,《计量经济学评论》,25,2-3,385-408(2006)·Zbl 1113.62129号
[32] Kastner,G.,使用R(右)软件包stochvol,J.Stat.Software,69,5,1-30(2016)
[33] Kastner,G.,2017年。factorstochvol:(稀疏)潜在因素随机波动率模型的贝叶斯估计。R(右)https://CRAN.R-project.org/package=factorstochvol; Kastner,G.,2017年。factorstochvol:(稀疏)潜在因素随机波动率模型的贝叶斯估计。R(右)https://CRAN.R-project.org/package=factorstochvol
[34] Kastner,G。;Frühwirth-Schnatter,S.,用于提高随机波动率模型MCMC估计的辅助充分交织策略(ASIS),计算。统计师。数据分析。,76008-423(2014)·Zbl 1506.62094号
[35] Kastner,G。;Frühwirth-Schnatter,S。;Lopes,H.F.,多元因子随机波动率模型的有效贝叶斯推断,J.Compute。图表。统计学。,26, 4, 905-917 (2017)
[36] Kastner,G.,Huber,F.,2018年。大规模稀疏贝叶斯向量自回归。arXiv预打印1704.03239。网址:https://arxiv.org/abs/1704.03239; Kastner,G.,Huber,F.,2018年。大规模稀疏贝叶斯向量自回归。arXiv预打印1704.03239。网址:https://arxiv.org/abs/1704.03239
[37] 考夫曼,S。;Schumacher,C.,具有顺序相关和事后模式识别的稀疏动态因子模型的贝叶斯估计,《计量经济学杂志》(2018)
[38] Koop,G。;Korobilis,D.,大时变参数VAR,J.计量经济学,177,2,185-198(2013)·Zbl 1288.62127号
[39] Korobilis,D.,《具有多个预测因子的动态回归的层次收缩先验》,《国际预测杂志》。,29, 1, 43-59 (2013)
[40] O.莱多特。;Wolf,M.,Honey,我缩小了样本协方差矩阵,J.Portfolio Manage。,30, 4, 110-119 (2004)
[41] Leydold,J.,Hörmann,W.,2017年。GIGrvg:GIG分布的随机变量生成器。R(右)http://CRAN.R-project.org/package=GIGrvg; Leydold,J.,Hörmann,W.,2017年。GIGrvg:用于GIG分布的随机变量生成器。R(右)http://CRAN.R-project.org/package=GIGrvg
[42] 利森菲尔德,R。;Jung,R.C.,《随机波动率模型:条件正态与重尾分布》,J.Appl。计量经济学,15,2,137-160(2000)
[43] 利森菲尔德,R。;Richard,J.-F.,单变量和多变量随机波动率模型的经典和贝叶斯分析,《计量经济学评论》,25,2-3,335-360(2006)·Zbl 1113.62130号
[44] Loddo,A。;镍、硫。;Sun,D.,《通过贝叶斯随机搜索选择多元随机波动率模型》,J.Bus。经济学。统计学。,29, 3, 342-355 (2011) ·Zbl 1219.91154号
[45] 洛佩斯,H.F。;Carvalho,C.M.,《具有时变负荷和马尔可夫切换机制的因子随机波动性》,J.Statist。计划。推理,137,10,3082-3091(2007)·Zbl 1331.62064号
[46] Lopes,H.F.,McCulloch,R.E.,Tsay,R.S.,2018年。大规模状态空间模型的节俭诱导先验。工作文件。;Lopes,H.F.,McCulloch,R.E.,Tsay,R.S.,2018年。大规模状态空间模型的节俭诱导先验。工作文件。
[47] 中岛,J。;West,M.,《动态因子波动率建模:贝叶斯潜在阈值法》,J.Financ。经济。,11, 1, 116-153 (2013)
[48] 中岛,J。;West,M.,《潜在阈值因子模型中的动力学和稀疏性:多元脑电信号处理研究》,Braz。J.概率。统计学。,31, 4, 701-731 (2017) ·Zbl 1385.62025号
[49] 哦,D.H。;巴顿,A.J.,《用因子连接函数模拟高维依赖性》,J.Bus。经济学。统计学。,35, 1 (2017)
[50] Pakel,C.,Shephard,N.,Sheppard,K.,Engle,R.F.,2017年。拟合大维时变协方差模型。工作文件。;Pakel,C.,Shephard,N.,Sheppard,K.,Engle,R.F.,2017年。拟合大维时变协方差模型。工作文件。
[51] 帕克,T。;Casella,G.,《贝叶斯套索》,J.Amer。统计师。协会,103,452,681-686(2008)·Zbl 1330.62292号
[52] 帕蒂,D。;Bhattacharya,A。;新南威尔士州皮莱。;Dunson,D.,海量协方差矩阵稀疏贝叶斯因子模型的后验收缩,Ann.Statist。,421102-1130(2014年)·Zbl 1305.62124号
[53] Philipov,A。;Glickman,M.E.,通过Wishart过程的因子多元随机波动性,《计量经济学评论》,25,2-3,311-334(2006)·Zbl 1113.62131号
[54] 皮特,M.K。;Shephard,N.,《时间变量协方差:因子随机波动方法》,(Bernardo,J.M.;Berger,J.O.;Dawid,A.P.;Smith,A.F.M.,《贝叶斯统计6——第六届巴伦西亚国际会议论文集》(1999),牛津大学出版社),547-570·Zbl 0956.62107号
[55] 新几内亚波尔森。;Scott,J.G.,《全球收缩,局部行动:稀疏贝叶斯正则化和预测》,(Bernardo,J.M.;Bayarri,M.J.;Berger,J.O.;P.,D.A.;Heckerman,D.;Smith,A.F.M.;West,M.,Bayesian Statistics 9-第九届巴伦西亚国际会议(2011年),牛津大学出版社:牛津大学出版社,501-538
[56] R(右)R(右)R(右)https://www.R-project.org/;R(右)R(右)R(右)https://www.R-project.org/
[57] Rigobon,R.,《通过异方差进行识别》,《经济学评论》。Stat.,85,4,777-792(2003)
[58] 森塔纳,E。;佛罗伦萨,G.,条件异方差因子模型的识别、估计和测试,《计量经济学杂志》,102,2,143-164(2001)·Zbl 0977.62111号
[59] 夏普,W.F.,共同基金业绩,J.Bus。,39, 1, 119-138 (1966)
[60] 维拉尼,M。;科恩,R。;Giordani,P.,使用平滑自适应高斯混合进行回归密度估计,《计量经济学杂志》,153,2,155-173(2009)·Zbl 1431.62093号
[61] Wang,H。;里森,C。;Carvalho,C.M.,《动态金融指数模型:通过图建模条件依赖性》,贝叶斯分析。,6, 4, 639-664 (2011) ·Zbl 1330.91187号
[62] Yu,J.,《随机波动模型中的杠杆作用》,《计量经济学》,127,2,165-178(2005)·Zbl 1335.91116号
[63] Zhao,Z.Y。;谢,M。;West,M.,《动态依赖网络:金融时间序列预测和投资组合决策》,应用。斯托奇。模型总线。印度,32,3,311-332(2016)·Zbl 1411.62311号
[64] 周,X。;中岛,J。;West,M.,《使用动态相关稀疏因子模型的贝叶斯预测和投资组合决策》,《国际预测杂志》。,30, 4, 963-980 (2014)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。