第1章 绪论
1.1 研究背景与意义
1.2 研究思路与结构安排
1.3 本书的主要创新之处
第2章 基于因子模型估计高维协方差矩阵
2.1 基于可观测因子模型估计高维协方差矩阵
2.2 基于潜因子模型估计高维协方差矩阵
2.3 基于结构因子模型估计高维协方差矩阵
2.4 本章总结
第3章 基于压缩方法估计高维协方差矩阵
3.1 基于线性压缩法估计高维协方差矩阵
3.2 基于非线性压缩法估计高维协方差矩阵
3.3 本章总结
第4章 高维条件协方差矩阵的估计
4.1 GARCH模型
4.2 GARCH模型的估计
4.3 高维GARCH模型的估计
4.4 高维GARCH模型估计的MonteCarlo模拟
4.5 本章总结
第5章 基于高频数据估计收益率的波动
5.1 市场微观结构噪声及其影响
5.2 微观结构噪声的处理方法
5.3 本章总结
第6章 基于高频数据估计高维协方差矩阵
6.1 考虑交易的非同步性:从单维到多维的扩展
6.2 基于因子模型估计高频数据的高维协方差矩阵
6.3 基于压缩方法估计高频数据的高维协方差矩阵
6.4 本章总结
第7章 基于高频数据预测高维协方差矩阵
7.1 基于高频数据预测日收益的条件协方差矩阵:HEAVY模型
7.2 基于高频数据预测积分协方差矩阵:Factor-GARCH-Ito模型
7.3 本章总结
第8章 实证应用:高维金融资产组合构建
8.1 收益预测信号
8.2 数据和一些组合构建准则
8.3 高维金融资产组合的样本外表现
8.4 本章总结
第9章 研究结论
参考文献
展开