论文部分内容阅读
随着现代金融市场的发展,金融数据的维度变得十分庞大,基于历史数据得出的样本协方差矩阵呈现出奇异的特征,使得传统的均值方差模型失效,因此如何有效估计高维数据下的协方差矩阵成为了学界的热门研究问题。在已有研究文献的基础上,本文介绍了高维金融数据情况下的四大类协方差矩阵估计方法:基于因子模型的估计方法、压缩估计方法、基于矩阵优化理论的估计方法以及非高斯分布下的估计方法,对于每种估计方法,本文介绍了相对应的基本思路和估计过程,并对其优劣进行了分析。本文的创新之处在于在压缩估计模型和优化理论的基础上提出了新的