Modeling Stock Prices without Knowing How to Induce Stationarity
在未知平稳化方式下建模股票价格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：摘要以股票价格现值模型及价格股息关系为对象，同时处理动态模型中的非平稳性，分别对应资产定价和时间序列。
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
在未知平稳化方式下建模股票价格
- 研究问题
- 当股票价格与股息的非平稳性质尚不确定时，如何检验现值模型施加的线性限制，并评估非平稳性先验对结论的影响？
- 方法与思路
- 作者将检验动态模型线性限制的贝叶斯程序用于股票价格现值模型，把对非平稳性的不同先验看法正式纳入推断过程。
- 材料陈述的贡献
- 摘要称，推断无需预先固定非平稳性类型；较紧先验下现值模型与数据不符，而较不确定的价格股息关系先验下证据不同。
- 阅读关注点
- 应核对现值模型的限制、动态模型参数化与先验强度，并检查关于价格和股息关系的不确定性如何改变模型检验结果。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定数据、样本期与先验形式；结果体现先验敏感性，不能作为现值模型普遍成立或失效的结论。
原文摘要
Bayesian procedures for evaluating linear restrictions imposed by economic theory on dynamic econometric models are applied to a simple class of presentvalue models of stock prices. The procedures generate inferences that are not conditional on ancillary assumptions regarding the nature of the nonstationarity that characterizes the data. Inferences are influenced by prior views concerning nonstationarity, but these views are formally incorporated into the analysis, and alternative views are easily adopted. Viewed in light of relatively tight prior distributions that have proved useful in forecasting, the present-value model seems at odds with the data. Researchers less certain of the interaction between dividends and prices would find little reason to look beyond the present-value model.