《表4 样本外投资组合最优压缩强度(N=40)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于因素模型的协高阶矩矩阵估计及其应用研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:在每年的5月末，基于前260个周的观测来计算最优压缩强度。考虑的周期为2010年7月至2019年5月。V表示协方差矩阵，S表示协偏度矩阵，K表示协峰度矩阵。

附表3～5（1）中显示的结果是由单因素（Q=1）模型生成的收益率数据，计算出的各阶矩的MAE、RMSE和PRIMAE值。从附表3可以看出，无论是单因素估计法，还是常相关压缩法或者单因素压缩法，各阶矩的MAE值均比样本估计方法要小。对于不同的N，随着T/N的增加，协方差矩阵的MAE值有逐渐减小的趋势，但N=15，T=1000时，MAE值有所增加；协偏度矩阵和协峰度矩阵的MAE值并没有出现相同的情况。对于相同的T，随着N的增加，协方差矩阵的MAE值逐渐增大，由样本估计方法和单因素估计方法计算出的协偏度矩阵和协峰度矩阵的MAE值逐渐增大，但常相关压缩法和单因素压缩法得到的MAE值先增大，后减小。相比于单因素估计法，基于单因素压缩法得到的协方差矩阵、协偏度矩阵和协峰度矩阵的MAE值都略高，表明单因素压缩估计在估计高阶矩矩阵上并没有完全占有优势，这与Martellini和Ziemann（2010）的结果类似。注意到，当资产数目N高于观测量T时，对于协方差矩阵而言，使用样本估计会产生较大的MAE值，而单因素估计法、常相关压缩法和单因素压缩法的MAE值显著较低。对于协偏度矩阵，协峰度矩阵的MAE值也有类似的情形。基于附表4 RMSE值也可得出类似结论，附表5的PRIMAE值进一步证实了附表3和附表4的结论。