赵钊（1990-），湖北省荆州人，华中科技大学经济学博士，华中科技大学经济学院金融系博士后、讲师、助理研究员，主要研究方向为高维理论、投资组合选择、资产泡沫检验，文章发表于Journal of Financial Econometrics，Empirical Economics，Applied Economics Letters，《中国管理科学》等。 近几年来，主持教育部人文社会科学研究青年基金项目1项，国家自然科学基金青年项目1项，并获得第63批中国博士后科学基金面上一等资助，还参与多项市场预测、大数据分析方面的企业项目，并取得了非常好的成果。

　　近十年来，对诸如股票市场高维数据的研究，尤其是有关高维数据二阶矩估计的理论方法以及基于高维数据二阶矩的预测模型，已成为计量经济学尤其是金融计量经济重要的学术前沿。估计高维数据二阶矩面临的挑战可以从横截面、时间序列及高频数据三个视角进行探讨。
　　《高维协方差矩阵相关理论与应用研究》系统地对这三个维度的文献进行梳理，研究这三个维度视角下高维协方差矩阵估计的相关理论和应用，并研究如何将其有效结合，以适用于高维高频金融大数据的实证研究。

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