Modelling and forecasting level shifts in absolute returns
绝对收益水平跳变的建模与预测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：摘要以高低波动阶段造成的绝对收益水平变化为对象，直接研究波动率的建模与预测。
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…
绝对收益水平跳变的建模与预测
- 研究问题
- 如何描述和预测绝对收益中持续长度与幅度不同的暂时性水平跳变，并判断技术交易变量在不同市场趋势下的解释作用？
- 方法与思路
- 作者修改 CLEAR 模型形成状态切换的 SR-CLEAR，允许技术交易变量的作用随市场趋势变化，并在九个股市与长记忆模型比较。
- 材料陈述的贡献
- 摘要称，所提模型能够描述和预测水平跳变的位置与大小，并在九个股市应用中显示良好拟合和预测表现，但未给比较数值。
- 阅读关注点
- 阅读全文应核对暂时性跳变的定义、技术变量的信息时点、上涨与下跌市场的区分，以及与长记忆模型比较的预测设计。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断样本外评价、基准公平性或预测差异；良好表现不能等同普遍优越，也不能推断版本变化。
原文摘要
Abstract Due to high and low volatility periods, time series of absolute returns experience temporary level shifts which differ in length and size. In this paper we modify the basic Censored Latent Effects Autoregressive [CLEAR] model, such that it can describe and forecast the location and size of such level shifts. For our particular application, we assume that technical trading variables may have explanatory value for future level shifts, where these effects may differ across upward‐ or downward‐tending markets. A natural competitor of the resultant switching regime CLEAR [SR‐CLEAR] model is a long‐memory model, which is known to pick up neglected level shifts. Hence, when we apply the SR‐CLEAR model to nine stock markets and document its good fit and forecasting ability, we compare it with a long‐memory model. Copyright © 2002 John Wiley & Sons, Ltd.