統計
為什麼要縮小共變異數矩陣？
我試圖理解為什麼縮小共變異數矩陣對於投資組合建構或實際上是一般有用的。想我錯過了什麼。我知道如果你有 5,000 隻股票，那麼計算量就會很大，但如果我們假設計算能力不是問題。
看看這篇經典論文：
親愛的，我縮小了 O. Ledoit 和 M. Wolf 的樣本共變異數矩陣
摘要已經回答了你的問題：
本文的中心資訊是，任何人都不應該使用樣本共變異數矩陣進行投資組合優化。它受到最有可能擾亂均值變異數優化器的估計誤差的影響。相反，可以通過稱為收縮的變換從樣本共變異數矩陣中獲得矩陣。這往往會將最極端的係數拉向更中心的值，從而在最重要的時候系統地減少估計誤差。從統計學上講，挑戰在於了解最佳收縮強度。收縮減少了投資組合相對於基準指數的跟踪誤差，並大大提高了經理的實際資訊比率。
注意：在這種情況下收縮並不意味著使用更少的值！
如果您想自己在 R 中進行一些實驗，那麼包 tawny適合您。