کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5089294 1375589 2013 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Size matters: Optimal calibration of shrinkage estimators for portfolio selection
ترجمه فارسی عنوان
اندازه مسائل: کالیبراسیون بهینه برآوردگرهای انقباض برای انتخاب نمونه کارها
ترجمه چکیده
ما یک بررسی جامع از برآوردگرهای انقباضی برای تخصیص دارایی انجام میدهیم و ما متوجه میشویم که اندازه اهمیت دارد - شدت انقباض نقش قابل توجهی در عملکرد اوراق بهادار بهینه برآورد شده دارد. ما هر دو اوراق بهادار محاسبه شده از برآوردگرهای انقباضی لحظه های بازده دارایی (لحظه های انقباض) و همچنین اوراق قرضه انبساطی به دست می آید که به طور مستقیم با کاهش وزن نمونه ها به دست می آید. ما در این زمینه چندین مشارکت داریم اول، ما دو معیار کالیبراسیون جدید برای بردار ابزار و ماتریس کوواریانس معکوس پیشنهاد می کنیم. دوم، برای ماتریس کوواریانس، ما یک معیار کالیبراسیون جدید ارائه می دهیم که تعداد شرایط را به صورت مطلوب در نظر می گیرد. سوم، برای جمع آوری اوراق بهادار، ما دو معیار کالیبراسیون جدید را مطالعه می کنیم. چهارم، ما یک رویکرد بوت استرپ چند منظوره ساده برای ساختن شدت انقباض مطلوب پیشنهاد می دهیم. در نهایت، ما یک تجزیه و تحلیل جامع از نمونه را با مجموعه داده های شبکشی و تجربی انجام می دهیم، و ما عملکرد برآوردهای مختلف انقباض را برای انتخاب نمونه کارها مشخص می کنیم.
موضوعات مرتبط
علوم انسانی و اجتماعی اقتصاد، اقتصادسنجی و امور مالی اقتصاد و اقتصادسنجی
چکیده انگلیسی
We carry out a comprehensive investigation of shrinkage estimators for asset allocation, and we find that size matters-the shrinkage intensity plays a significant role in the performance of the resulting estimated optimal portfolios. We study both portfolios computed from shrinkage estimators of the moments of asset returns (shrinkage moments), as well as shrinkage portfolios obtained by shrinking the portfolio weights directly. We make several contributions in this field. First, we propose two novel calibration criteria for the vector of means and the inverse covariance matrix. Second, for the covariance matrix we propose a novel calibration criterion that takes the condition number optimally into account. Third, for shrinkage portfolios we study two novel calibration criteria. Fourth, we propose a simple multivariate smoothed bootstrap approach to construct the optimal shrinkage intensity. Finally, we carry out an extensive out-of-sample analysis with simulated and empirical datasets, and we characterize the performance of the different shrinkage estimators for portfolio selection.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Banking & Finance - Volume 37, Issue 8, August 2013, Pages 3018-3034
نویسندگان
, , ,