Forecasting conditional covariance matrices in high-dimensional time seriesa general dynamic factor approach
Trucíos Maza, Carlos César; Mazzeu, João H. G.; Hallin, Marc; Hotta, Luiz Koodi; Pereira, Pedro L. Valls; Zevallos, Mauricio
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
Based on a General Dynamic Factor Model with infinite-dimensional factor space, we develop a new estimation and forecasting procedures for conditional covariance matrices in high-dimensional time series. The performance of our approach is evaluated via Monte Carlo experiments, outperforming many alternative methods. The new procedure is used to construct minimum variance portfolios for a high-dimensional panel of assets. The results are shown to achieve better out-of-sample portfolio performance than alternative existing procedures.
Ficha do documento
- Tipo
- Estudo
- Ano
- 2019
- Instituição
- Escola de Economia de São Paulo
- Fonte
- Repositório da FGV
- Idioma
- Inglês
- Acesso
- Acesso aberto
- Identificador
- oai:repositorio.fgv.br:10438/27506
- Temas
- Economia
Conteúdos relacionados
- EstudoRobustness and the general dynamic factor model with infinite-dimensional spaceEscola de Economia de São Paulo · 2020
- EstudoForecasting VaR and ES through Markov-switching GARCH modelsEscola de Economia de São Paulo · 2024
- DissertaçãoModelagem da volatilidade em regimes para o preço spot de energia elétrica no BrasilFundação Getulio Vargas · 2026
- DissertaçãoTesting for extreme long-memory common features in volatility processesFundação Getulio Vargas · 2020
