Modeling and Forecasting Realized Volatility with Multivariate Fractional Brownian Motion
用多元分数布朗运动建模与预测已实现波动率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：摘要明确以已实现波动率为建模和预测对象，直接对应金融波动率方向。
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
用多元分数布朗运动建模与预测已实现波动率
- 研究问题
- 在各分量具有不同 Hurst 指数且相互相关时，多元分数布朗运动如何刻画已实现波动率，并利用跨序列信息改善预测？
- 方法与思路
- 作者研究相关系数与 Hurst 指数的关系，提出参数估计和时间可逆性检验，并在时间可逆模型下推导最优预测公式。
- 材料陈述的贡献
- 摘要称不同 Hurst 指数与非零相关性能够降低预测误差，样本外结果支持这一机制，并报告相对单变量模型和 HAR 类模型的改善。
- 阅读关注点
- 应核对参数可行域、时间可逆性限制、预测最优性的模型前提，以及样本外窗口、损失函数和 HAR 比较的实施方式。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断数据频率、误差改善幅度或统计显著性；可逆性未被拒绝不等于已证实，也不推断刊本变化。
原文摘要
A multivariate fractional Brownian motion (mfBm) with component-wise Hurst exponents is used to model and forecast realized volatility (RV). We investigate the interplay between correlation coefficients and Hurst exponents and propose a novel method to estimate model parameters, establishing its consistency and asymptotic normality. Additionally, we develop a time-reversibility test, which is typically not rejected by RV data. When the data generating process is a time-reversible mfBm, we derive optimal forecasting formulae and analyze their properties. A key insight is that an mfBm with different Hurst exponents and non-zero correlations can reduce forecasting errors compared to a one-dimensional model. Consistent with this theory, out-of-sample forecasts using the time-reversible mfBm show improvements over univariate fBm, particularly when the estimated Hurst exponents differ significantly. Empirical results demonstrate that mfBm outperforms HAR and its variants in terms of out-of-sample forecast.