舉報 
會員
基于混頻數據的金融高階矩建模及其應用研究
最新章節：
附錄 因子模型框架下高階矩矩陣分解
大量研究已經表明，在投資者偏好為非二次和（或）資產收益率非正態條件下基于均值—方差模型構建的投資組合權重往往不是最優，因而會存在較為嚴重的福利損失，基于高階矩建模及其投資組合優化研究已經得到了國內外學者的廣泛關注。本書在結合前人已有研究的基礎上，基于混頻因子模型方法，通過更高頻率數據的使用使得模型中包含更多的歷史信息以及增加因子個數提高對收益率的解釋能力兩種途徑，力圖解決高階矩估計面臨的“維數災難”問題，同時進一步提高高階矩投資組合的表現。
