全部版块 我的主页
论坛 经济学人 二区 外文文献专区
571 23
2022-06-25
英文标题:
《Sparse Approximate Factor Estimation for High-Dimensional Covariance
  Matrices》
---
作者:
Maurizio Daniele, Winfried Pohlmeier, Aygul Zagidullina
---
最新提交年份:
2019
---
英文摘要:
  We propose a novel estimation approach for the covariance matrix based on the $l_1$-regularized approximate factor model. Our sparse approximate factor (SAF) covariance estimator allows for the existence of weak factors and hence relaxes the pervasiveness assumption generally adopted for the standard approximate factor model. We prove consistency of the covariance matrix estimator under the Frobenius norm as well as the consistency of the factor loadings and the factors.   Our Monte Carlo simulations reveal that the SAF covariance estimator has superior properties in finite samples for low and high dimensions and different designs of the covariance matrix. Moreover, in an out-of-sample portfolio forecasting application the estimator uniformly outperforms alternative portfolio strategies based on alternative covariance estimation approaches and modeling strategies including the $1/N$-strategy.
---
中文摘要:
基于$l\\U 1$-正则化近似因子模型,提出了一种新的协方差矩阵估计方法。我们的稀疏近似因子(SAF)协方差估计允许弱因子的存在,因此放宽了标准近似因子模型通常采用的普遍性假设。我们证明了在Frobenius范数下协方差矩阵估计的相合性以及因子载荷和因子的相合性。我们的蒙特卡罗模拟表明,SAF协方差估计在低维和高维有限样本以及协方差矩阵的不同设计中具有优越的性能。此外,在样本外投资组合预测应用中,估值器一致优于基于替代协方差估计方法和建模策略的替代投资组合策略,包括1美元/N美元策略。
---
分类信息:

一级分类:Economics        经济学
二级分类:Econometrics        计量经济学
分类描述:Econometric Theory, Micro-Econometrics, Macro-Econometrics, Empirical Content of Economic Relations discovered via New Methods, Methodological Aspects of the Application of Statistical Inference to Economic Data.
计量经济学理论,微观计量经济学,宏观计量经济学,通过新方法发现的经济关系的实证内容,统计推论应用于经济数据的方法论方面。
--
一级分类:Mathematics        数学
二级分类:Statistics Theory        统计理论
分类描述:Applied, computational and theoretical statistics: e.g. statistical inference, regression, time series, multivariate analysis, data analysis, Markov chain Monte Carlo, design of experiments, case studies
应用统计、计算统计和理论统计:例如统计推断、回归、时间序列、多元分析、数据分析、马尔可夫链蒙特卡罗、实验设计、案例研究
--
一级分类:Quantitative Finance        数量金融学
二级分类:Portfolio Management        项目组合管理
分类描述:Security selection and optimization, capital allocation, investment strategies and performance measurement
证券选择与优化、资本配置、投资策略与绩效评价
--
一级分类:Statistics        统计学
二级分类:Methodology        方法论
分类描述:Design, Surveys, Model Selection, Multiple Testing, Multivariate Methods, Signal and Image Processing, Time Series, Smoothing, Spatial Statistics, Survival Analysis, Nonparametric and Semiparametric Methods
设计,调查,模型选择,多重检验,多元方法,信号和图像处理,时间序列,平滑,空间统计,生存分析,非参数和半参数方法
--
一级分类:Statistics        统计学
二级分类:Statistics Theory        统计理论
分类描述:stat.TH is an alias for math.ST. Asymptotics, Bayesian Inference, Decision Theory, Estimation, Foundations, Inference, Testing.
Stat.Th是Math.St的别名。渐近,贝叶斯推论,决策理论,估计,基础,推论,检验。
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-6-25 06:15:01
高维协方差矩阵的稀疏近似因子估计*Maurizio Danieleanuniversity of Konstanz,GS DSWinfried PohlmeierbUniversity of Konstanz,CoFE,RCEAAygul ZagidullinabUniversity of Konstanz,QEF2019年6月1日至4日摘要我们提出了一种新的基于正则化近似因子模型的协方差矩阵估计方法。我们的稀疏近似因子(SAF)协方差估计允许弱因子的存在,因此放宽了标准近似因子模型通常采用的普遍性假设。我们证明了在Frobenius范数下协方差矩阵估计量的相合性,以及因子载荷和因子的相合性。我们的蒙特卡罗模拟表明,SAF协方差估计器在有限样本f中对于低维和高维以及协方差矩阵的不同设计具有优异的性能。此外,在一个样本外投资组合预测应用中,该估计器的性能一致优于基于交替协方差估计方法和建模策略(包括1/N策略)的备选投资组合策略。关键词:近似因子模型、弱因子、l-正则化、高维方差矩阵、投资组合配置JEL分类:C38、C55、G11、G17*感谢决策科学研究生院(GSDS)、德国科学基金会(DFG)和德国学术交流服务局(DAAD)提供的财政支持。对于本文早期草稿的有益评论,我们要感谢柳德米拉·格里戈里耶娃和卡里马巴迪尔。通常的免责声明适用。德国康斯坦茨大学经济系,D-78 457。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-25 06:15:04
电话:+49-7531-88-2657,电子邮件:Maurizio。Daniele@uni-康斯坦茨。德国康斯坦茨大学经济系D-78457。1简介高维协方差矩阵及其逆矩阵(精度矩阵)的估计近年来受到了极大的关注。在经济学和金融学中,它是投资组合分配、风险度量、资产组合定价和图形网络分析的核心。其他研究领域的重要应用包括气候数据分析、基因分类和图像分类。对于大样本量T和低维协变量向量r来说,这似乎是一个微不足道的估计问题,但如果N的数量级相同或甚至大于T,则结果证明这是一个决定性的问题。在这些情况下,样本协方差矩阵变得几乎奇异,并且很难估计出人口协方差矩阵。此外,标准d渐近理论的假设与T→ ∞, 固定的,结果是不合适的,必须用一个假设来代替,该假设同时考虑到T和N,接近完整性。近年来,许多研究提出了高维协方差矩阵的替代估计方法,这在确定维数问题的方式上有所不同。两种主要方法:一种是事实上的r模型,该模型为基础多元过程施加了低维因子结构,另一种是协方差矩阵或其特征值的参数的正则化策略(seeFan、Liao和Liu(2016),最近对大协方差和精度矩阵的估计进行了调查)。在本文中,我们提出了一种有效的新方法来估计高维协方差,这从文献的两个方面都得到了证实。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-25 06:15:08
我们估计高维协方差矩阵的稀疏近似因子(SAF)方法基于因子载荷的正则化,因此能够解释弱因子并将协方差矩阵中的元素收缩到零。通过对协方差矩阵施加稀疏结构来获得一致估计的方法包括Bickel和Levina(2008a,2008b),Cai和Liu(2011)以及Cai和Zhou(2012)。这些阈值方法将卵巢矩阵中的小元素精确地收缩到零。虽然这可能是一种合理的策略,例如对于基因数据,但这种假设可能不适用于经济或金融数据,其中变量由共同的基础因子驱动。基于因子表示的协方差矩阵可能更适合捕捉这种特征。在Fan、Fan和Lv(200 8)的基于因子的协方差估计文献中,考虑了具有观测因子的严格因子表示的情况。这种方法需要了解其他可观察变量(如资产定价中的Fama-French因素),这可能是另一个误认来源。此外,strictfactor模型表示法打破了严格不相关的二元语法错误的过于强大的假设。inFan、Liao和Mincheva(2011)和Fan、Liao和Mincheva(2013)放松了这一假设,他们提出了基于近似因子模型表示的协方差估计。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-25 06:15:11
虽然Fan、Liao和Mincheva(2011)使用Cai和Liu(2011)提出的自适应阈值技术将特质误差协方差矩阵的中心缩小到零,但Fan、Liao和Mincheva(2013)提出的方法基于更通用的主正交补码阈值法(POET),以允许特质误差协方差矩阵的稀疏性。我们的SAF协方差矩阵估计器通过对特征误差的bot h、因子载荷和协方差矩阵施加稀疏性,扩展了因子ba方法的现有框架。与通过阈值化或l-范数正则化直接为协方差矩阵施加稀疏性不同,因子载荷的l-正则化并不一定意味着协方差矩阵的实体为零,而是简单地减少了协方差矩阵因子驱动部分估计中的维数问题。此外,因子载荷矩阵中的稀疏性考虑了弱因子,而弱因子只影响一组观测变量。因此,SAF方法放松了对标准框架中因素普遍性的识别假设。这进一步意味着,与公共分量对应的协方差矩阵的特征值允许以比通常考虑的更慢的速率发散(即,比o(N)慢)。Fan、Liu和Wang(2 018)最近的论文声称,放松近似因子模型框架中的稳健性假设是未来研究中应解决的下一个主要问题。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-25 06:15:13
因此,在本文中,我们将重点放在这一问题上,并在标准因子模型和放松的稳健性假设之间架起一座桥梁。特征值上较弱的条件允许我们在相当温和的正则条件下,在平均Frobenius范数下导出SAF协方差矩阵估计量的一致性。据我们所知,这种收敛结果是新的。由于基于近似因子模型的估计器具有快速发散的特征值,因此仅在较弱的加权二次范数下表现出收敛性,而对于更一般的frobeniunsorm则没有表现出收敛性(参见Fan、Liao和Mincheva(2013))。作为SAF协方差矩阵估计证明的一个副产品,我们还证明了稀疏因子载荷、因子和特殊误差协方差矩阵的估计的一致性。SAF协方差矩阵估值器的良好渐近性质得到了我们基于不同维度的蒙特卡罗研究和总体协方差矩阵的替代设计的充分支持。更准确地说,与几种相互竞争的估计策略相比,SAF协方差矩阵估计器产生的Frobenius范数与真实基础协方差矩阵的差异最小。最后,在对投资组合分配问题的实证研究中,我们证明了SAF协方差矩阵估计量是构造低维和高维投资组合的全局最小方差投资组合(GMVP)权重的一个较好选择。基于标准普尔500指数的回报数据,估值器在不同流行的样本外投资组合绩效指标方面,均优于基于替代协方差估计方法和建模策略(包括1/N策略)的投资组合策略。论文的其余部分组织如下。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群