题目：Estimating High-Dimensional Multivariate GARCH Models: A New Regularization Approach

主讲人：中国科研DB视讯(中国)数学与系统科学DB视讯(中国)、中国科研DB视讯(中国)预测科学研究中心、中国科研DB视讯(中国)大学经济与管理学院  洪永淼教授

主持人：统计学院 常晋源教授

时间：2021年4月23日（周五）上午10:00-11:00

直播平台及会议ID：腾讯会议, 571 419 166

报告摘要：

In this paper we propose a novel machine learning approach to estimating a class of high-dimensional multivariate GARCH models, which preserve a channel for lagged values and past innovations to affect dynamic volatility. We propose a nuclear norm penalized constrained quasi-maximum likelihood estimation method, which is a one-step procedure and guarantees the positive definiteness of the estimated volatility process, both asymptotically and under finite samples, with a fast rate of convergence. To ease its implementation, we further develop an alternating directional multiplier method (ADMM) algorithm and derive a generalized cross-validation criterion to optimally select the tuning parameter in practice. Simulation studies show that our proposed estimator provides superior finite sample performance over existing dynamic variance estimators in the literature. We apply the proposed estimation method to vast portfolio selections, which enjoys significantly enhanced out-of-sample Sharpe ratios with largely reduced portfolio risks.

主讲人简介：

洪永淼，中国科研DB视讯(中国)数学与系统科学DB视讯(中国)研究员、中国科研DB视讯(中国)预测科学研究中心特聘研究员、中国科研DB视讯(中国)大学经济与管理学院特聘教授、开展中国家科学院（TWAS）院士、世界计量经济学会会士、里米尼经济分析中心（RCEA）高级会士、中国教育部高等学校经济学类专业教学指导委员会副主任委员、《计量经济学报》联合主编。曾任美国康奈尔大学经济学与国际研究讲席教授、中国留美经济学会会长。

 研究领域为计量经济学、时间序列分析、金融计量学、统计学、中国经济，在Annals of Statistics、Biometrika、Econometrica、Journal of American Statistical Association、Journal of Political Economy、Journal of Royal Statistical Society B、Quarterly Journal of Economics、Review of Economic Studies、Review of Financial Studies、《经济研究》、《管理世界》等经济学、金融学和统计学中英文主流期刊发表文章120余篇。出版《概率论与统计学》、《高级计量经济学》、Probability and Statistics for Economists、Foundations of Modern Econometrics: A Unified Approach等中英文著作。2014-2019年陆续在6年入选Elsevier“经济、经济计量学和金融”中国高被引学者榜单。