2025年7月23日，经济学院王建业老师以第一作者在SSCI2区、JCR 1区金融类期刊《Finance Research Letters》在线发表论文《Shrinkage estimation of higher-order comoment matrices: Is complexity always better than simplicity?》。
论文系统研究了高阶协矩矩阵估计中简单等权重组合估计器是否优于复杂收缩方法的问题。作者提出了6种新的等权重高阶矩组合估计器（P1-P6），将其从协方差矩阵扩展到高阶矩领域。实证结果表明，这些简单组合在样本外表现显著优于复杂收缩方法，夏普比率提升高达5%，最大回撤降低达6%，计算成本更低。该研究首次验证了“简单性优于复杂性”原则在高阶矩估计中的普适性，挑战了传统收缩方法的必要性，为投资者提供了高效稳健的风险管理工具，特别适用于非对称和厚尾市场。此外，研究证实高阶矩组合在风险调整收益和尾部风险管理方面均优于仅依赖协方差的全局最小方差组合（GMVP），不仅完善了相关理论框架，也为实际投资决策提供了重要参考。
