Conditional Jump Dynamics in Stock Market Returns
股票市场收益中的条件跳跃动态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：摘要以股票日收益的条件跳跃动态和 GARCH 波动拟合为核心，直接支持波动率分类，未明确研究收益预测。
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…
关注这篇论文的作者
股票市场收益中的条件跳跃动态
- 研究问题
- 股票收益中的跳跃到达强度与跳跃规模分布是否随时间变化？条件跳跃动态能否帮助刻画市场波动及大幅下跌后的反弹？
- 方法与思路
- 作者提出事后推断跳跃分布的过滤器，由此构造强度冲击与近似 ARMA 形式的条件跳跃强度模型，并结合 GARCH 分析日收益。
- 材料陈述的贡献
- 摘要报告跳跃强度显著时变及跳跃规模分布时变的证据，并称条件跳跃动态有助于样本内外波动拟合及刻画大跌后的反弹。
- 阅读关注点
- 核对跳跃过滤与连续波动的区分、跳跃强度的递推及参数限制，并检查样本外评估的基准模型、划分方式和拟合指标。
- 阅读边界
- 摘要未说明具体市场、跳跃识别条件、拟合指标及比较基准；所述样本内外拟合与反弹特征，不能仅凭摘要判断其稳健性。
原文摘要
This article develops a new conditional jump model to study jump dynamics in stock market returns. We propose a simple filter to infer ex post the distribution of jumps. This permits construction of the shock affecting the time t conditional jump intensity and is the main input into an autoregressive conditional jump intensity model. The model allows the conditional jump intensity to be time-varying and follows an approximate autoregressive moving average (ARMA) form. The time series characteristics of 72 years of daily stock returns are analyzed using the jump model coupled with a generalized autoregressive conditional heteroscedasticity (GARCH) specification of volatility. We find significant time variation in the conditional jump intensity and evidence of time variation in the jump size distribution. The conditional jump dynamics contribute to good in-sample and out-of-sample fits to stock market volatility and capture the rally often observed in equity markets following a significant downturn.