刘丽萍
- 作品数：38 被引量：71H指数：4
- 供职机构：贵州财经大学数学与统计学院更多>>
- 发文基金：国家社会科学基金全国统计科学研究计划项目贵州省教育厅高等学校人文社会科学研究项目更多>>
- 相关领域：经济管理理学文化科学社会学更多>>
- 考虑非同步交易影响的金融高频协方差阵的估计及应用
- 2018年
- 在大数据时代,高维高频金融数据的协方差阵在投资组合中扮演着重要角色。但当高维资产的交易频率存在显著差异时,非同步交易会导致"Epps"效应,严重影响协方差阵的估计效率。本文将结构矩阵填充模型(SMC)与VAR-LASSO模型相结合,建立SMC-VAR-LASSO模型来估计和预测高维高频数据的协方差阵。该模型将资产按照交易频率的高低分组,避免直接估计和预测所有资产间以及交易频率低的资产间的协方差阵,在解决非同步交易问题的同时,大大降低了数据损失量,提高了协方差阵的估计效率。将SMC-VAR-LASSO模型应用在投资组合中,并将其与VAR-LASSO模型进行比较后,发现:SMC-VAR-LASSO模型在投资组合中的应用效果更好,其提高了投资者的收益和经济效用,降低了风险。
- 刘丽萍唐晓彬余孝军
- 基于混合频率数据的大维协方差阵的估计及其应用被引量：3
- 2017年
- 大维数据给传统的协方差阵估计方法带来了巨大的挑战,数据维度和噪声的影响使得协方差阵的估计较为困难.在文章的研究中,将高频数据和低频数据相结合,提出了基于混合频率数据的协方差阵的估计和预测模型——MFD模型,MFD模型在解决了维数诅咒的同时还考虑了过去市场信息对协方差阵的影响,动态地估计和预测了未来的协方差阵.通过实证研究发现:较基于低频数据和高频数据的协方差阵估计和预测模型而言,MFD模型明显提高了高维协方差阵的估计和预测效率;并且将其应用在投资组合时,投资者获得了更高的投资收益和经济福利.
- 刘丽萍
- 多维金融高频协方差阵预测模型的比较分析被引量：3
- 2014年
- 现代投资组合理论大部分是从组合风险控制的角度展开,协方差矩阵扮演着非常重要的角色.将高频协方差阵应用在投资组合或风险管理时,就需要考虑采用何种预测模型来对高频协方差阵进行预测,较好的预测模型能够更加准确的对资产的波动性进行预测.高频协方差阵预测模型的建立较为复杂,目前还没有一种广泛被认可的模型.采用MCS检验法来选择最优的预测模型,研究发现高频协方差阵预测模型LOG-HAR模型在所有的损失函数下预测能力最好,并且高频协方差阵预测模型的预测能力要优于低频协方差阵预测模型.
- 刘丽萍
- 关键词：损失函数
- 基于子集重采样的高维资产组合的构建
- 2018年
- 在大数据时代,高维资产对于很多金融机构非常常见,维数诅咒的影响使得在投资组合中扮演着重要角色的协方差阵的估计效率较低。将子集重采样方法应用到投资组合中,首先,从所有资产构造的集合中抽取若干个子集;然后,采用BEKK模型来估计和预测子集的协方差阵,以解决维数诅咒问题;最后,对若干个子集的同一个资产的权重向量求平均,来求得每个资产的权重。通过实证分析发现,基于子集重抽样的投资组合明显要优于传统的均值——方差投资组合,其收益更高、波动更小,并且夏普比率值也较高。
- 刘丽萍
- 关键词：BEKK模型
- 基于改进MCD方法的多元GARCH模型的估计被引量：1
- 2020年
- 多元GARCH模型常用于资产间协方差阵的估计和预测,但在高维数据背景下,维数诅咒、噪声影响使得传统的多元GARCH模型不再适用。文章考虑将改进的MCD方法应用到常见的多元GARCH模型——DCC和BEKK的估计过程中,提出基于改进MCD方法的多元GARCH模型,该模型在解决维数诅咒的同时,还考虑了资产的排列顺序对协方差阵估计的影响。通过模拟和实证研究发现:新提出的模型估计和预测的协方差阵更加接近于真实的协方差阵,其在投资组合中的应用效果更好,提高了投资者的平均收益,并降低了组合风险。
- 刘丽萍徐宇欣
- 关键词：惩罚函数多元GARCH模型
- 高维厚尾金融数据协方差阵的统计估计及应用被引量：2
- 2018年
- 近年来,关于高维协方差阵估计的研究大多是在正态分布的假定下进行的,少有研究考虑金融数据的厚尾特征对协方差阵估计的影响。在提出新方法估计厚尾金融海量数据协方差阵的基础上,先引入乔列斯基分解法,将复杂的协方差阵估计问题转化为一系列的回归模型;再在回归模型的估计过程中引入RA-Lasso方法,使其在解决维数诅咒的同时,还考虑由于数据的厚尾特征而引起的估计偏差问题;通过模拟和实证研究发现,新的方法明显提高了协方差阵的估计效率,并且使投资者获得了更高的收益。
- 刘丽萍
- 基于高频与低频数据预测的协方差阵的比较被引量：2
- 2014年
- 使用高频与低频数据对预测的协方差阵的比较,目前国内相关的研究还非常的少。文章将高频数据的研究拓展至多维,建立了模型,并将基于高频与低频数据预测的协方差阵,进行了比较研究。
- 刘丽萍
- 关键词：高频数据
- 高维稀疏对角GARCH模型的估计及应用被引量：2
- 2017年
- 高维数据背景下,数据维度和噪声的影响使得传统的GARCH模型不再适用.针对对角GARCH(goGARCH)模型的不足,将高维稀疏建模法应用到其估计过程中,提出了高维稀疏对角GARCH(HDS-goGARCH)模型.HDS-goGARCH模型通过引入惩罚函数,将一些不重要变量的回归系数压缩为零,来精简模型,达到降维的目的.通过模拟和实证研究发现:较传统的goGARCH模型而言,HDS-goGARCH模型明显提高了高维协方差阵的估计和预测效率;并且将其应用在投资组合时:在收益一定的情况下,由HDS-goGARCH模型所构造的投资组合的风险更小.
- 刘丽萍
- 关键词：惩罚函数
- 高频协方差阵估计方法与动态模型的实证
- 2015年
- 文章从统计精度和组合价值的角度,全面探讨是否复杂的高频协方差阵估计方法,会使得协方差阵的预测更加的精确。研究了在给定的动态预测模型下,不同协方差阵估计方法的相对重要性。并进一步探究了协方差阵一定的情况下,最优预测模型的选择。研究发现,从低频数据切换到高频数据来估计资产的协方差阵会获得最大的收益,并且采用更有效的高频协方差阵来代替简单的高频协方差阵估计量RCOV时会进一步获得收益。
- 刘丽萍
- 高维时变投资组合模型的构造及估计
- 2022年
- 在大数据背景下,高维资产组合的构造以及选择是金融领域研究的热点和难点问题.文章构造了基于SCGARCH模型的含有范数约束的高维时变最小方差投资组合模型,将其记为NC-MVP-SCGARCH.该组合的优势主要体现在两方面:首先采用SCGARCH模型来估计和预测组合的重要输入变量——资产间的协方差阵,该模型将改进的乔列斯基分解法和卡尔曼滤波估计方法相结合,在解决了高维数据所面临的维数诅咒的同时,考虑了过去市场信息对协方差阵估计的影响;其次,基于范数约束的最小方差投资组合(NC-MVP)将l_(1)和l_(2)范数有机结合,更加适用于高维资产.研究发现:文章构造的NC-MVP-SCGARCH组合效果更优.
- 刘丽萍吕政
- 关键词：状态空间模型
