《表4 200只资产在噪声为g1下积分波动率矩阵估计量MSE比较》

  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

《带跳高频数据下高维积分波动率矩阵估计》

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

当资产数p=200时，表4–6在3种不同的市场微观结构噪声模型和半鞅对数价格模型下分别给出了估计量的均方差比较.同表1–3相比，随着资产数的增加，相应估计量的均方差的整体数值都有所增加，除此之外有3点不同:（1）从整体估计效果来看，估计量TAERVM的估计效果最佳，这主要是因为随着资产数的增加，通过参数估计的微观结构噪声所造成的误差发生了累计，这相比截断技术所带来的操作误差要大很多.（2）从噪声水平来看，当资产数很大时，噪声水平已不再是影响积分波动率矩阵估计好坏的主导因素，此时资产数占主导影响因素位置.由此可见，资产数越大，积分波动率估计量对噪声水平越稳健.（3）从截断效果来看，容易发现调整后的估计量的均方差变小很多，因而估计效果更好，这与调整后估计量是真实积分波动率矩阵的相合估计吻合.同时我们发现表4–6中普通门限截断调整与Hard-门限截断调整的结果基本一致，这可能是文献[8]中的参数设置已经保证了通过普通门限截断调整后估计依然具有半正定性所致.此外，Soft-门限截断调整的效果比普通门限截断调整与Hard-门限截断调整的效果略差，这是因为Soft-门限截断调整不仅起到降维的效果，还对系数进行了调整，进而产生了额外误差.