Modelling multivariate volatilies via conditionally uncorrelated components
基于条件不相关成分的多元波动率建模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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以多元波动率过程及其矩阵表示为核心研究对象，直接对应波动率方向。
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
基于条件不相关成分的多元波动率建模
- 研究问题
- 如何以较少参数刻画多元波动率过程，并将高维优化拆为低维问题，同时判断数据是否支持条件不相关成分的存在？
- 方法与思路
- 作者定义条件不相关成分，以这些成分表示矩阵过程，并允许分别采用适当的单变量波动率模型，同时提出存在性自助检验。
- 材料陈述的贡献
- 摘要称，该表示兼顾简约性与建模灵活性，可分解高维优化，建立成分估计的一致性，并以模拟和真实数据展示方法。
- 阅读关注点
- 应核对条件不相关的定义、成分的识别与估计方式、一致性条件、自助检验的构造，以及各单变量模型如何还原波动率矩阵。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明成分唯一性、检验有效性条件及实证和模拟的具体结果。
原文摘要
We propose to model multivariate volatility processes based on the newly defined conditionally uncorrelated components (CUCs). This model represents a parsimonious representation for matrix-valued processes. It is flexible in the sense that we may fit each CUC with any appropriate univariate volatility model. Computationally it splits one high-dimensional optimization problem into several lower-dimensional subproblems. Consistency for the estimated CUCs has been established. A bootstrap test is proposed for testing the existence of CUCs. The proposed methodology is illustrated with both simulated and real data sets.