近日，经济与管理学院刘成教授合作发表论文“Optimal covariance matrix estimation for high-dimensional noise in high-frequency data”（《高频数据中噪声协方差矩阵的最优估计》），该成果在线发表于经济学国际一流期刊Journal of Econometrics（《计量经济学杂志》）。

该论文系统研究了在高维高频数据具有异步性（asynchronicity）以及存在相依随机观测误差（即噪声）的情形下，如何对随机观测误差的协方差矩阵进行估计。

具体而言，该论文通过局部化和适当的截断给出了一个关于高维高频数据中随机观测误差协方差矩阵的估计，并在两种常用的损失函数下研究了该估计的收敛速度以及收敛速度达到极小极大最优（minimax optimal）的情形。

考虑到该协方差矩阵中的元素在实际数据中可能很小，该论文也对所提出的估计进行了二阶理论分析，给出了该估计的渐近偏差，提出了一个基于偏差校正的估计以提升有限样本下的估计效果。

这一成果具有重要的理论和应用价值，将有助于学界和业界更好地了解高频数据中随机观测误差的特征，有助于包含着海量信息的高频数据更好地应用于金融实践中。

该论文是刘成主持的教育部人文社会科学研究青年基金项目“基于高频数据的积分波动率矩阵动态建模及其在风险控制中的应用研究”（课题号 20YJC790074）的阶段性成果，由刘成和西南财经大学常晋源教授、博士生胡桥、美国天普大学汤琤咏教授合作完成。

作者简介

刘成教授是经济与管理学院数理经济与数理金融系教师，2009年本科毕业于武汉大学数学与统计学院，2013年博士毕业于新加坡国立大学。近年来，刘成教授一直关注金融大数据的相关研究，其多篇成果相继发表在国际国内一流期刊上，其中4篇成果发表于Journal of Econometrics（《计量经济学杂志》）上，该期刊为经济学国际一流期刊，武汉大学经济与管理学院A类奖励期刊；1篇成果发表于Journal of American Statistical Association（美国统计学协会会刊），该期刊为统计学国际顶尖期刊，武汉大学数学与统计学院A类奖励期刊。

来源 | 武汉大学新闻网

通讯员 | 刘砚青

编辑 | 孙华东 黄文俊

审核 | 李霄鹍