摘要：研究目标:利用高频数据准确估计和预测高维积分波动率矩阵，并将矩阵的预测值应用于资产投资组合的构造中。研究方法:通过保留p×p维已实现波动率矩阵的特征向量，对积分波动率矩阵的特征值进行预测，本文将积分波动率矩阵的估计和预测问题转化为p个一维积分波动率的估计和预测问题。研究发现:对高维已实现波动率矩阵过于发散的特征值进行调整能够提高矩阵估计的准确性；对资产收益率的积分波动率矩阵建立动态模型可以提高矩阵预测的精度。研究创新:将高维矩阵的估计和预测问题转化为矩阵特征向量的估计以及一维特征值的估计和预测问题；基于高频数据并建立资产收益率积分波动率矩阵的动态模型提高了资产投资组合的样本外表现。研究价值:本文提出的积分波动率矩阵估计和预测方法能够保证矩阵估计值和预测值的正定性；本文的预测方法能够提高矩阵的预测精度，能够在复杂的金融市场中构造低风险的资产组合。
文章目录
引 言
一、高维随机扩散过程及资产组合策略模型
二、积分波动率矩阵的估计与预测
1.样本内积分波动率矩阵的估计
2.样本外积分波动率矩阵的预测
三、数值模拟研究
1.数据生成过程及设定
2.样本外积分波动率矩阵的预测与比较
四、实证研究
1.数据及估计量的构造方法
2.高频数据的Hausman检验
3.不同(积分)波动率矩阵下GMV投资组合的样本外表现
4.稳健性检验
五、结 论
