| 研究課題/領域番号 |
19K23193
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
0107:経済学、経営学およびその関連分野
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
|
|---|
| 研究期間 (年度) |
2019-08-30 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2019年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
|
|---|
| キーワード | Copulas / Factor models / Financial econometrics / Sparsity / Asymptotic theory / Time series / High-dimensions / M-estimation / High dimension / High-dimension / Multivariate Time Series / Penalisation |
|---|
| 研究開始時の研究の概要 |
The proposed research would be dedicated to high-dimensional variance covariance models. Within the family of stochastic volatility processes, we would consider a penalised M-estimation criterion to estimate such models. New penalty functions able to capture breaks among time series will be studied. This modelling would be justified by theoretical results and its relevance assessed based on simulated data and real portfolios.
Furthermore, a general penalised framework will be considered to provide finite sample properties of sparse M-estimators and applied to a broad range of models.
|
| 研究成果の概要 |
本研究では、高次元多変量モデルにおける少数のパラメータと柔軟な表現力を持つパラメータ数のバランスに対して、非零の値が推定されるパラメータが自動的に疎になるよう、新しい推定法の開発と理論的性質の解明を行った。多変量GARCHモデル、因子分析とコピュラモデルにスパース推定を適用した。また実データによる予測力の評価、シミュレーションによる検証を通して提案手法の有用性を明らかにした。
|
| 研究成果の学術的意義や社会的意義 |
The curse of dimensionality is the main drawback inherent to most multivariate models due to the explosive number of parameters. The research main purpose was to fix this curse, provide methods to efficiently model high-dimensional vectors and improve the prediction performances.
|
