| 摘要 | 第4-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 研究思路与结构安排 | 第14-16页 |
| 1.3 本文的主要创新之处 | 第16-18页 |
| 2 基于因子模型估计高维协方差矩阵 | 第18-36页 |
| 2.1 基于可观测因子模型估计高维协方差矩阵 | 第19-21页 |
| 2.2 基于潜因子模型估计高维协方差矩阵 | 第21-30页 |
| 2.3 基于结构因子模型估计高维协方差矩阵 | 第30-32页 |
| 2.4 基于高频数据的因子模型估计高维协方差矩阵 | 第32-35页 |
| 2.5 本章总结 | 第35-36页 |
| 3 基于压缩方法估计高维协方差矩阵 | 第36-47页 |
| 3.1 基于线性压缩法估计高维协方差矩阵 | 第36-41页 |
| 3.2 基于非线性压缩法估计高维协方差矩阵 | 第41-45页 |
| 3.3 本章总结 | 第45-47页 |
| 4 高维条件协方差矩阵的估计 | 第47-68页 |
| 4.1 GARCH模型 | 第47-52页 |
| 4.2 GARCH模型的估计 | 第52-55页 |
| 4.3 高维GARCH模型的估计 | 第55-57页 |
| 4.4 高维GARCH模型估计的Monte Carlo模拟 | 第57-64页 |
| 4.5 GARCH模型的高频扩展:HEAVY模型 | 第64-66页 |
| 4.6 本章总结 | 第66-68页 |
| 5 实证应用:高维金融资产组合构建 | 第68-120页 |
| 5.1 收益预测信号 | 第68-78页 |
| 5.2 基于不同信号的金融资产组合构建 | 第78-117页 |
| 5.3 本章总结 | 第117-120页 |
| 6 研究结论 | 第120-123页 |
| 致谢 | 第123-125页 |
| 参考文献 | 第125-139页 |
| 附录 攻读学位期间发表的论文目录 | 第139页 |