学术研究

学术信息

当前位置: 首页 » 学术研究 » 学术信息 »

学术讲座:A Factor-Based Estimation of Integrated Covariance Matrix with Noisy High-Frequency Data

金融学院SBF论坛2019年第4讲

 

讲座题目:A Factor-Based Estimation of Integrated Covariance Matrix with Noisy High-Frequency Data

时间:2019年3月14日(周四)12:10-13:10

地点:博学楼925

主讲人: 孙宇澄

主讲人简介:

孙宇澄博士,现任首都经济贸易大学国际经济管理学院助理教授。他在西班牙巴塞罗那经济学研究生院(Barcelona Graduate School of Economics)和庞培法布拉大学(Universitat Pompeu Fabra)分别获得金融学硕士和博士学位。他的研究兴趣主要包括金融计量,高频金融数据,非参数统计等。其研究成果发表在Journal of Applied Econometrics等国际知名杂志。

讲座内容简介:

This paper studies a high-dimensional factor model with sparse idiosyncratic covariance matrix in continuous time, using asynchronous high-frequency financial data contaminated by microstructure noise. We focus on consistent estimation of the number of common factors, the integrated covariance matrix and its inverse, based on the flat-top realized kernels introduced by Varneskov (2016). Simulation results show that our estimators have good performance in finite samples. We apply our methodology to the high-frequency data on 300 liquid stocks traded in Shanghai and Shenzhen stock exchanges, and find that the model effectively captures the dynamics of volatility in the Chinese stock market.

       本文利用由于微观结构噪声造成的异步高频金融数据,研究了一个包含异质性稀疏协方差矩阵的连续时间高纬因子模型。基于Varneskov (2016)所提出的平顶已实现核估计方法,本文重点对共同因子的个数,积分协方差矩阵及其逆矩阵的一致性估计进行了研究。仿真结果显示本文中的估计量在有限样本下表现良好。随后,本文将该方法应用于选自沪深两市300只高流动股票的高频数据上,发现该模型有效的刻画了中国股票市场波动的动态特征。