基于流动性调整的高频协方差阵的估计及其应用.pdfVIP

管 理 工 程 学 报 Vbl．30．No．2 JonmalofIndustrial 2016年第2期 Engineering／EngineeringManagement 基于流动性调整的高频协方差阵的估计及其应用研究 刘丽萍1，马 丹2 (1．贵州财经大学数学与统计学院，贵州贵阳，550025：2．西南财经大学统计学院，四川成都，610071) 摘要：金融资产交易往往不具有时间的一致性，采用高频数据估计协方差阵时需要避免由于异步交易导致的 “Epps”效应。常用的时间刷新技术能够解决异步交易问题，但随着资产数量增加，样本量会迅速减少。本文介绍 了基于流动性调整的双频协方差阵估计方法(mlBTSCOv)，该方法可减少数据量的损失，在不对参数施加任何 限制的情况下，提高估计精度。将该方法应用到投资组合中与常用的已实现协方差阵和双频协方差阵进行对比分 析，研究发现RnBTSCOV方法在所有的标准下具有更好的表现。 关键词：双频协方差阵：基于流动性调整的双频协方差阵：等比例风险投资组合 中图分类号：F830．9 文献标识码：A 文章编号：1004．6062(2016)02．0076．08 DOI：10．13587／j．cnki．jieem．2016．02．009 O引言 值得注意的是，在金融市场上各种金融资产往往并不在 自Markowitz创立现代组合投资理论以来，组合投资选统一的时间进行交易。例如，中国证券市场是一个指令型驱 择模型大多建立在精确估计协方差阵的前提之上。如何对投 动市场，当买卖报价被交易终端撮合时才能发生交易，而买 资组合协方差矩阵进行精确估算，己成为组合投资和风险管 卖报价是否能被撮合以及撮合时间是随机的，投资者在实时 理等相关领域研究的热点和难点问题。 行情中观测到的交易不具有同步性。在数据以日或月等低频 最近二十年，统计学家们对用实时交易数据(也称为高 率采样时，这种时间上的不一致性不会对分析产生影响。但 频数据)估计组合协方差的方法，展开了广泛而深入的研究。 当研究的视角转向交易过程的内部资产价格动态变化时，异 由于金融市场总是存在价格离散性、买卖报价弹性等市场微 步交易将导致原本并不相关的资产之间产生某种联系。特别 观结噪声，当数据采样频率提高时，微观结构噪声的影响随 是随着交易频率的增加，会使得协方差矩阵中的元素大量为 之增大，这将使“己实现协方差阵”(Andersen等，2003)【1] 0，即出现Epps效应，导致直接使用高频数据估计的协方差 等基于二次变差理论的一些估计方法，不再是资产协方差矩 矩阵是有偏误的(Epps，1979)[81。 阵的无偏和一致估计量。因此，近年来理论界围绕如何降低 在高频协方差阵的各类估计方法中，通常将非同步交易 市场微观结构噪声的影响等问题，提出了多种“修正的已实 问题放在市场微观结构噪声的框架下进行研究，较少有专门 现协方差阵”估计方法，主要可以归纳为稀疏抽样和连续光 的讨论。使用平滑降噪方法估计协方差阵时，需要先通过一 滑函数两大类。稀疏抽样是通过降低抽样频率来减少微观结 种“刷新时间采样”技术来实现同步交易。其具体方法是，第 构噪声的影响的，主要方法包括最优抽样频率(Voev和 一个刷新的时间对应着第一次所有股票都发生交易的时间， Lunde，2007)【2J和低抽样频率(dePooter和Martens．2008)随后的刷新时间为所有股票再次发生交易的时间，该过程重 【3】两种。稀疏抽样虽然降低了微观结构噪声，但采样频率的 降低会损失有用的信息。另一类方法则通过引入连续光滑函 的研究文献中，AIT-Sahalia等(2010)[10]用刷新时间采样方 数，对高频数据进行光滑处理来减少微观结构噪声的影响， 估计方