Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Comparación entre métodos de estimación de matrices de covarianza de alta dimensionalidad

Gómez, Karoll and Gallón, Santiago (2011) Comparación entre métodos de estimación de matrices de covarianza de alta dimensionalidad. Revista Colombiana de Estadística; Vol. 34, núm. 3 (2011); 567-588 Revista Colombiana de Estadística; Vol. 34, núm. 3 (2011); 567-588 0120-1751 .

Texto completo

[img]
Vista previa
PDF
344kB

URL oficial: http://revistas.unal.edu.co/index.php/estad/articl...

Resumen

Medidas precisas para la matriz de volatilidad y su inversa son herramientas fundamentales en problemas de administración del riesgo y portafolio. Debido a la acumulación de errores en la estimación de los retornos esperados y la matriz de covarianza la solución de estos problemas son muy sensibles, en particular cuando el número de activos (p) excede el tamaño muestral (T). La investigación reciente se ha centrado en desarrollar diferentes métodos para estimar matrices de alta dimensión bajo tamaños muestrales pequeños. El objetivo de este artículo consiste en examinar y comparar el portafolio óptimo de mínima varianza construido usando cinco diferentes métodos de estimación para la matriz de covarianza: la covarianza muestral, el RiskMetrics, el modelo de factores, el shrinkage y el modelo de factores de frecuencia mixta. Usando simulación Monte Carlo hallamos evidencia de que el modelo de factores de frecuencia mixta y el modelo de factores tienen una alta precisión cuando existen portafolios con p cercano o mayor que T., Accurate measures of the volatility matrix and its inverse play a central role in risk and portfolio management problems. Due to the accumulation of errors in the estimation of expected returns and covariance matrix, the solution to these problems is very sensitive, particularly when the number of assets (p) exceeds the sample size (T). Recent research has focused on developing different methods to estimate high dimensional covariance matrixes under small sample size. The aim of this paper is to examine and compare the minimum variance optimal portfolio constructed using five different estimation methods for the covariance matrix: the sample covariance, Risk-Metrics, factor model, shrinkage and mixed frequency factor model. Using the Monte Carlo simulation we provide evidence that the mixed frequency factor model and the factor model provide a high accuracy when there are portfolios with p closer or larger than T.

Tipo de documento:Artículo - Article
Palabras clave:matriz de covarianza, datos de alta dimensión, mínimos cuadrados penalizados, optimización de portafolio, shrinkage, Covariance matrix, High dimensional data, Penalized least squares, Portfolio optimization, Shrinkage
Unidad administrativa:Revistas electrónicas UN > Revista Colombiana de Estadística
Código ID:30931
Enviado por : Dirección Nacional de Bibliotecas STECNICO
Enviado el día :30 Junio 2014 14:29
Ultima modificación:06 Junio 2018 10:51
Ultima modificación:06 Junio 2018 10:51
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Metabiblioteca OAIster BASE BDCOL Registry of Open Access Repositories SNAAC Red de repositorios latinoamericanos eprints Open archives La referencia Tesis latinoamericanas OpenDOAR CLACSO
Este sitio web se ve mejor en Firefox