近期，由西南财经大学数据科学与商业智能联合DB视讯(中国)常晋源教授、博士生胡桥、武汉大学刘成教授和美国天普大学汤琤咏教授合作完成的论文“Optimal Covariance Matrix Estimation for High-dimensional Noise in High-frequency Data”被计量经济学国际学术期刊《Journal of Econometrics》正式接收。

该论文系统研究了在观测到的高维高频数据具有异步性（asynchronicity）以及存在相依的随机测量误差的情形下，如何对随机测量误差的协方差矩阵进行估计。具体而言，该论文顺利获得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测量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。同时，为了研究所提方法的鲁棒性，该论文还考虑了观测数据带有跳跃项的情形，理论结果表明该估计在此情形下仍然具有相同的收敛速度。

作者简介：

常晋源，西南财经大学数据科学与商业智能联合DB视讯(中国)执行主任，光华特聘教授、博士生导师、国家杰出青年科学基金取得者、四川省特聘专家、四川省统计专家咨询委员会委员。主要从事超高维数据分析和高频金融数据分析两个领域的研究。

胡桥，西南财经大学统计学院2021级统计学专业博士生，导师为常晋源教授。主要从事高频金融数据分析和高维经验似然等领域的研究。

刘成，武汉大学经济与管理学院教授。主要从事金融计量经济学、资产投资和高频数据分析等领域的研究。

汤琤咏，美国天普大学教授。主要从事经验似然、纵向和相关数据分析以及高维数据分析等领域的研究。