کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7358073 1478570 2018 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Adaptive thresholding for large volatility matrix estimation based on high-frequency financial data
ترجمه فارسی عنوان
آستانه سازگاری برای برآورد ماتریس نوسانات بزرگ بر اساس اطلاعات مالی فرکانس بالا
ترجمه چکیده
روش های آستانه یابی جهانی برای برآورد ماتریس نوسان پذیری یکپارچه ی گسترده ای از دارایی های مبتنی بر داده های مالی با فرکانس بالا طراحی شده است. از آنجاییکه ماتریس انعطاف پذیر یکپارچه اغلب دارای ورودی با طیف گسترده ای از تغییرپذیری است، برآوردگرهای آستانه جهانی، ورودی های مختلف را در نظر نمی گیرند و ممکن است عملکرد نامطلوب داشته باشند. در این مقاله برآورد آستانه سازگاری ماتریس نوسان پذیری یکپارچه مورد بررسی قرار می گیرد. برای اولین بار برآوردگر برای واریانس آستیفیتی برآورد کننده پیش بینی نشده نوسان حاصل می کنیم و سپس از دو برآوردگر برای ایجاد برآوردگر آستانه سازگار برای ماتریس نوسانات بزرگ استفاده می کنیم. نشان داده شده است که برآورد کننده آستانه سازگار می تواند به میزان مطلوب همگرایی در کلاس از ماتریس نوسان پذیر یکپارچه تقسیم شود در حالی که هر دو تعداد دارایی ها و اندازه نمونه مجاز به رفتن به بی نهایت می باشند، در حالی که برآورد کننده آستانه برآورد جهانی می تواند تنها زیر - نرخ همگرایی مطلوب. همچنین ما در مورد چگونگی استفاده از طرح آستانه سازگار در مدل تقریبی عامل بحث می کنیم. مطالعه شبیه سازی برای بررسی عملکرد نمونه محدود از برآوردگرهای آستانه سازگار است.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
چکیده انگلیسی
Universal thresholding methods have been developed to estimate the large sparse integrated volatility matrix of underlying assets based on high-frequency financial data. Since the integrated volatility matrix often has entries with a wide range of variability, universal thresholding estimators do not take the varying entries into consideration and may have unsatisfactory performances. This paper investigates adaptive thresholding estimation of the large integrated volatility matrix. We first construct an estimator for the asymptotic variance of the pre-averaging realized volatility estimator and then use the two estimators to develop an adaptive thresholding estimator of the large volatility matrix. It is shown that the adaptive thresholding estimator can achieve the optimal rate of convergence over the class of the sparse integrated volatility matrix when both the number of assets and sample size are allowed to go to infinity, while the universal thresholding estimator can achieve only the sub-optimal convergence rate. Also we discuss how to harness the adaptive thresholding scheme in the approximate factor model. The simulation study is conducted to check the finite sample performance of the adaptive thresholding estimators.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Econometrics - Volume 203, Issue 1, March 2018, Pages 69-79
نویسندگان
, , , ,