一、主題：Large Dynamic Covariance Matrix Estimation with an Application to Portfolio Allocation: A Semiparametric Reproducing Kernel Hilbert Space Approach

二、主講人: 郭紹俊，中國人民大學統計與大數據研究院副教授。2003年本科畢業于山東師範大學，2008年獲得中國科學院數學與系統科學研究院理學博士學位。博士畢業後留中國科學院數學與系統科學研究院工作，助理研究員，任期至2016年。2009年-2010年赴美國普林斯頓大學運籌與金融工程系博士後研究，做高維數據分析方面的研究工作，并于2014-2016年在英國倫敦經濟學院統計系做博士後研究，做大維時間序列建模方面的研究。目前主要研究方向有：統計學習、非參數及半參數統計建模、生存分析及函數型數據分析等。

三、時間：2018年12月5号（周三），12:30-13:30

四、地點：學院南路校區主教學樓913會議室

五、主持人：黃志剛，bevictor伟德官网教授

六、資助： bevictor伟德官网專題學術講座項目資助

Abstract: Estimation of covariance matrices is an interesting and important research topic for many empirical time series problems such as asset allocation. One task is to deal with the conditional heteroscedasticity, while the other central part is to avoid the curse of dimensionality. To deal these two issues, we propose a semiparametric reproducing kernel Hilbert spaces (RKHS) approach and develop an efficient algorithm to estimate a Large Dynamic Covariance Matrix Estimation. By exploring a financial application, an empirical study from 2001 to 2017 shows that portfolio allocation based on our dynamic structure can significantly outperform the market and the portfolio allocation based on the traditional factor model.