动态协方差矩阵估计与组合构建：系统化资产配置系列十三（兴业证券）
本文介绍多种动态协方差矩阵预测方法，包括指数移动平均、DCC-GARCH和GO-GARCH。实证显示，GO-GARCH可减少31%预测误差，DCC-GARCH减少15%。应用于风险预算组合，DCC-GARCH实现年化收益8.21%，收益风险比2.13，最大回撤4.9%，优于传统历史协方差方法。
报告摘要
本文介绍多种动态协方差矩阵预测方法，包括指数移动平均、DCC-GARCH和GO-GARCH。实证显示，GO-GARCH可减少31%预测误差，DCC-GARCH减少15%。应用于风险预算组合，DCC-GARCH实现年化收益8.21%，收益风险比2.13，最大回撤4.9%，优于传统历史协方差方法。
核心要点
- 协方差矩阵预测方法，预测误差比较，样本外最小方差组合，风险预算组合应用
报告信息
- 文件全名
- 《系统化资产配置系列之十三：动态协方差矩阵估计与组合构建-兴业证券》
- 适合读者
- 核心数据
- 8.21%
- 核心议题
常见问题
《动态协方差矩阵估计与组合构建：系统化资产配置系列十三（兴业证券）》主要包含哪些内容?
本文介绍多种动态协方差矩阵预测方法，包括指数移动平均、DCC-GARCH和GO-GARCH。实证显示，GO-GARCH可减少31%预测误差，DCC-GARCH减少15%。应用于风险预算组合，DCC-GARCH实现年化收益8.21%，收益风险比2.13，最大回撤4.9%，优于传统历史协方差方法。核心数据:8.21%。
这份报告由哪家机构发布?
本报告由兴业证券发布,发布于 2021 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2021 年,全文约 25。
这份报告是免费的吗?如何获取?
本报告为付费报告,可在资料宝站内下单后获取完整内容。
这份报告适合哪些读者?
适合资产配置研究者、量化投资者、金融从业者等读者参考。
报告涉及哪些关键议题?
重点分析了金融投资、组合构建、兴业证券等议题。
继续阅读
查看全部 →