Using Principal Component Analysis to Estimate a High Dimensional Factor Model with High-Frequency Data


Yacine Ait-Sahalia (Princeton University)
  1. MMDSについて
  2. MMDSの教員・組織
  3. MMDSで学びたい方へ
  4. カリキュラム
  5. MMDSの活動

  6. 学内向け情報

大阪大学 数理・データ科学セミナー 金融・保険セミナーシリーズ 第76回
Using Principal Component Analysis to Estimate a High Dimensional Factor Model with High-Frequency Data

Yacine Ait-Sahalia (Princeton University)

This paper constructs an estimator for the number of common factors in a setting where both the sampling frequency and the number of variables increase. Empirically, we document that the covariance matrix of a large portfolio of US equities is well represented by a low rank common structure with sparse residual matrix. When employed for out-of-sample portfolio allocation, the proposed estimator largely outperforms the sample covariance estimator.

Keywords: High-dimensional data, high-frequency, latent factor model, principal components, portfolio optimization

講 師:
Yacine Ait-Sahalia (Princeton University)
テーマ:
Using Principal Component Analysis to Estimate a High Dimensional Factor Model with High-Frequency Data
日 時:
2016年10月14日(金)16:20-18:20
場 所:
大阪大学豊中キャンパス基礎工学研究科I棟204号室
参加費:
無料
アクセス:
会場までのアクセスは下記URLをご参照ください。
http://www.es.osaka-u.ac.jp/access/
お問い合せ:
本ウェブサイトの「お問い合せ」のページをご参照ください。