Joint Estimation of Conditional Mean and Covariance for Unbalanced Panels

要約

我々は、大規模な不均衡パネルに対する断面条件付き平均行列と共分散行列の新しいノンパラメトリックカーネルベースの推定器を提案します。
私たちはその一貫性を示し、有限サンプル保証を提供します。
実証的応用では、1962 年から 2021 年までのマクロ経済と企業固有の共変量を考慮して、月次株式超過収益の不均衡なパネルの大規模な条件付き平均と共分散行列を推定します。この推定量は、統計的尺度に関して良好なパフォーマンスを示します。
これは、経験的な資産価格設定に有益であり、等加重ベンチマークをはるかに超える大幅なサンプル外シャープレシオを備えた、条件付き平均分散の効率的なポートフォリオを生成します。

要約(オリジナル)

We propose a novel nonparametric kernel-based estimator of cross-sectional conditional mean and covariance matrices for large unbalanced panels. We show its consistency and provide finite-sample guarantees. In an empirical application, we estimate conditional mean and covariance matrices for a large unbalanced panel of monthly stock excess returns given macroeconomic and firm-specific covariates from 1962 to 2021.The estimator performs well with respect to statistical measures. It is informative for empirical asset pricing, generating conditional mean-variance efficient portfolios with substantial out-of-sample Sharpe ratios far beyond equal-weighted benchmarks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google