股票投资组合策略长期以来一直是人们非常关注的话题,无论是理论界还是实践中,人们都对如何在众多股票中选择一个在既定风险下能给他们带来最高回报的资产组合抱有浓厚的兴趣。早在1952年马克维茨(Markowitz)就提出了一个震惊学术界的均值方差资产组合模型。这个模型在理论上确实是一个巨大的成功,Markowitz还因此获得了诺贝尔经济学奖。但是在实践中越来越多的人反应,用Markowitz这个模型选择的投资组合表现有时不尽如人意,极有可能会产生很大的误差。背后的原因可能是多方面的,但其中不可忽视的是,投资组合表现与能否准确刻画资产组合里面各资产的关联程度,尤其是能否有效地估计他们的协方差矩阵息息相关。当资产的个数较大时,所对应的协方差矩阵是高维的,如果用传统的样本估计法来估计协方差就会产生很大的误差,从而导致相应计算所得到的投资组合也会产生较大的误差。虽然由于信息科技的发达,获取更多的数据也变得越来越容易,但是我们不能一味地想通过扩大样本量来减少估计误差,因为在时间序列分析领域存在一个数据稳定性问题,如果样本量太大,时间跨度太长就会影响数据的稳定性,因此如何构建协方差矩阵,是理论界一大热点,该研究对实际数据分析,尤其在金融领域的应用有举足轻重的作用。目前学术界已经探讨出了很多在不同假设前提下的高维协方差估计方法,例如Fan, Fan and Lv (2008)[1],就引入三因素模型估计法。但是相比之下,较少有人将这些估计方法应用到国内数据的研究中。随着中国资本市场越来越完善,越来越多的投资者参与投资,一个更合理可靠的股票投资组合就显得尤为重要。所以本论文决定以中国沪深主板市场A股股票的交易数据为基础,来研究利用Fama-French三因素模型估计高维协方差矩阵较传统样本估计法的优越性,以及利用此方法研究中国股票投资组合是否具有良好的效果。