基于不同频率协方差矩阵的等风险比例投资组合.pdf

: .
2012年第10期 周期较长时，高频数据得到的投资组合投资交易成本显著增加，投资
收益低于用低频数据构建的组合。Bannouh等（2011）用全距的方法计算高频协方差矩阵，发现在投资组合
不同的更新频率下，基于全距的高频协方差矩阵均能带来额外收益。
从目前的研究来看，使用不同频率数据构建投资组合有三个关键的问题：（1）在同样的目标函数下，高
频协方差矩阵构建投资组合的效果取决于协方差矩阵的估计和预测是否准确。“实现协方差”（RCOV）是最
常用的估计组合高频协方差矩阵的方法，该方法受到市场微观结构噪声等因素的影响，渐近收敛到组合噪
声的协方差矩阵，配置资产组合时可能存在较大偏误（Andersen 等，2003）。在预测方面，大部分对高频协
方差矩阵的预测使用了 VARFIMA 模型（Chiriac和 Voev ，2011）。这种方法和多元 GARCH 一样也存在“维
数灾难”，并且模型的系数不具有明确的经济意义。Bonato等（2011）提出用基于Wishart分布的自回归模型
（WAR）预测协方差矩阵，这种方法比向量 ARFIMA 模型的预测结果更准确。但现有文献中大都采用
VARFIMA方法，并没有采用WAR预测协方差矩阵。(2)组合的调整频率发生改变时，投资组合收益会随之
发生变化。在比较不同投资组合的投资效率时，应该考虑调整周期变化对组合的影响。张蕊等 [13]利用中
国市场数据比较了“实现协方差”矩阵和 DCC 方法构建的投资组合，他们发现“实现协方差”矩阵构建的投
资组合具有更大的投资价值。但投资策略发生改变时，这个结论可能会受到影响。（3）在构造投资组合时，
大部分文献都考虑用方差最小或者在收益约束下方差最小作为目标函数（张蕊等，2009）。这样计算的资
产权数非常不稳定，收益或者方差的微小变化，会引起组合权数较大波动。另外，由于目标函数没有对损
失进行约束，得到的组合即使具有方差最小性，也并不一定能避免较大损失。Campell (2001)提出将风险
价值 VaR 作为损失约束引入投资组合中，以避免可能出现的较大损失。加入损失约束条件时，用高频数据
构建的组合效果如何，尚没有相关研究。
中国证券市场是新兴的指令驱动型证券市场，交易机制与国外成熟做市商市场存在较大差异，特别是
离散报价，日内涨跌幅限制等制度使得高频价格序列与国外市场具有不同的特征。证券市场的投资组合
通常具有交易择时特征，即投资者可能是短期持有某投资组合，也可能在较长时期持有该投资组合。在中
国市场上，高频协方差矩阵是否能够提供更多的信息，在不同的投资择时策略下，依赖高频协方差矩阵是
否都可以获得更具有投资价值的投资组合呢？国内现有研究大部分是使用低频数据，构造投资组合，高频
数据在组合投资中的研究较少。张蕊等（2009）虽然比较了实现协方差矩阵和多元Garch的表现，但选择最
小方差作为目标函数，该目标函数下的权数对数据的变化非常敏感，结论缺乏稳健性。为避免最小方差目
标下投资组合权数不稳定对分析的影响，本文考虑了一个满足等比例风险配额，带有损失约束的动态组合
问题。利用中国证券市场数据分别用高频和低频协方差矩阵估计资产组合，从经济福利函数、交易成本、
Sharpe 比例角度比较了不同持有周期下的组合投资价值。利用 Bootstrap 方法对各组合进行了随机模拟，
得到不同持有周期下的福利函数、Sharpe比例等的分布情况，最后得出本文结论。
二、组合优化问题的提出
－ 117 －Equally weighted risk contribution portfolio based on difference frequency covariance matrix
R r r r r