The conditional autoregressive Wishart model for multivariate stock market volatility
多变量股票市场波动率的条件自回归Wishart模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接对股票收益的已实现方差与协方差矩阵建模。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
多变量股票市场波动率的条件自回归Wishart模型
- 研究问题
- 如何为资产收益的已实现协方差矩阵建立动态模型，同时保证矩阵正定，并刻画波动率与协方差的长期变化？
- 方法与思路
- 作者提出条件自回归Wishart模型，为分布尺度矩阵设置自回归移动平均结构，以最大似然估计，并加入MIDAS和HAR扩展。
- 材料陈述的贡献
- 摘要称，该模型可在不施加所述参数限制的情况下保证协方差矩阵正定，并用于五只纽约证券交易所股票的已实现协方差。
- 阅读关注点
- 应核对正定性的参数条件、条件分布假设和最大似然实现，以及MIDAS与HAR扩展的设定及应用中的模型比较方式。
- 阅读边界
- 仅据所给出版社摘要，无法判断估计和预测表现；“不施加参数限制”的具体含义需核对全文，不能理解为完全没有条件。
原文摘要
We propose a Conditional Autoregressive Wishart (CAW) model for the analysis of realized covariance matrices of asset returns. Our model assumes an autoregressive moving average structure for the scale matrix of the Wishart distribution. It accounts for positive definiteness of covariance matrices without imposing parametric restrictions, and can be estimated by Maximum Likelihood. We also propose extensions of the CAW model obtained by including a Mixed Data Sampling (MIDAS) component and Heterogeneous Autoregressive (HAR) dynamics for long-run fluctuations. The CAW models are applied to realized variances and covariances for five New York Stock Exchange stocks.