Les auteurs présentent un nouveau modèle de la matrice des covariances réalisées des rendements boursiers dans lequel la matrice est exprimée sous forme logarithmique et les facteurs latents sont fonction à la fois de la volatilité passée et des rendements historiques. Le modèle offre plusieurs avantages : il est parcimonieux, il ne nécessite pas l'imposition de restrictions sur les paramètres et il produit une matrice des covariances définie positive. L'application du modèle à la prévision de la matrice des covariances des rendements classés selon la taille de l'entreprise fait ressortir que deux facteurs suffisent pour rendre compte de l'essentiel de la dynamique. Les auteurs proposent aussi une méthode permettant de reproduire l'évolution d'un indice à l'aide de leur modèle de la matrice des covariances réalisées.

We present a new matrix-logarithm model of the realized covariance matrix of stock returns. The model uses latent factors which are functions of both lagged volatility and returns. The model has several advantages: it is parsimonious; it does not require imposing parameter restrictions; and, it results in a positive-definite covariance matrix. We apply the model to the covariance matrix of size-sorted stock returns and find that two factors are sufficient to capture most of the dynamics. We also introduce a new method to track an index using our model of the realized volatility covariance matrix.