當研究的資產(chǎn)維度較高、數(shù)據(jù)量較大時，協(xié)方差陣的估計將面臨維數(shù)詛咒、噪聲影響等諸多挑戰(zhàn)，如何有效地對其進行估計成為統(tǒng)計領(lǐng)域中越來越重要的亟待解決的問題。本書在前人研究的基礎(chǔ)之上，對DCC、BEKK、CCC及goGARCH等MGARCH模型進行了改進，通過模擬和實證研究發(fā)現(xiàn)：改進的MGARCH模型明顯提高了高維資產(chǎn)間協(xié)方差陣的估計效率，并且將其應(yīng)用在投資組合時可以獲得更高的收益。

更多科學(xué)出版社服務(wù)，請掃碼獲取。