Estimación de la correlación de series de tiempo, cuyas historias difieren en longitud

Question

Muy a menudo, en el análisis cuantitativo (por ejemplo, calcular la volatilidad de la cartera), tenemos que analizar las diferentes series de tiempo - la mayoría de las devoluciones - cuyas longitudes diferentes.

Los sistemas de riesgo suelen aplicar un factor de modelo con el fin de crear un genérico de historia durante el tiempo de la serie.

• elegir un índice de mercado de los retornos $r_{index}$
• la estimación de la beta $\beta$ de la serie de tiempo a este índice
• inserte $\beta * r_{index,t}$ para todos los que faltan fechas de $t$.

Mi atención fue atraída por el papel El análisis de inversiones, cuyas historias se diferencian en la longitud de Robert F. Stambaugh. Parece que usa un método más sofisticado.

Mi pregunta:

• ¿Alguien aquí tiene acceso a una descripción del enfoque adoptado por la Stambaugh que no está detrás de un pago de la pared?
• ¿Qué otros enfoques se publicó que abordar este asunto?

Answer 1

La técnica se refiere a veces como la información completa de máxima verosimilitud. Es más general que la técnica que se describe, pero es similar. Básicamente, usted empezar con los datos con la mayor horizonte y obtener la matriz de covarianza, luego de los datos con el lado más largo del horizonte, que la regresión de y en contra de los datos con la mayor horizonte, finalmente se combinan juntos para un nuevo combinado de la matriz de covarianza.

Meucci tiene algún código que lo hace en este paquete. http://www.mathworks.com/matlabcentral/fileexchange/9061-risk-and-asset-allocation

A veces la técnica es ampliada, de manera que el uso de la PCA en cada paso. Esto es importante cuando el número de acciones aumenta más grande que el número de observaciones. También hay ninguna razón para que esto no puede ser combinado con un modelo de factor.

Más en general, de técnicas como la Fama-Macbeth puede ser utilizado con desigual de conjuntos de datos.