Chasing volatility
追踪波动率：含波动率跳跃的乘法误差模型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：摘要的核心对象是金融收益波动率、已实现波动度量和波动率跳跃概率，直接对应波动率计量。
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…
追踪波动率：含波动率跳跃的乘法误差模型
- 研究问题
- 金融收益波动率兼具持续性与不可预测的大幅增量时，如何描述并预测波动率极端跳跃发生的概率与幅度？
- 方法与思路
- 作者提出含波动率跳跃的 MEM-J，令已实现度量的条件密度为 Gamma 与 Kappa 分布的可数无限混合。
- 材料陈述的贡献
- 摘要称模型具有闭式条件矩，并给出平稳条件及极大似然渐近理论；估计显示危机期间跳跃概率上升，模型比较有所改善。
- 阅读关注点
- 应核对跳跃成分与持续成分的区分、无限混合的计算实现，以及所谓改善针对哪些厚尾模型和评价指标。
- 阅读边界
- 所给出版社摘要未说明数据、危机划分、预测检验或改善幅度，不能确认其对所有厚尾模型及不同市场都更优。
原文摘要
Persistence and unpredictable large increments characterize the volatility of financial returns. We propose the Multiplicative Error Model with volatility jumps (MEM-J) to describe and predict the probability and the size of these extreme events. Under the MEM-J, the conditional density of the realized measure is a countably infinite mixture of Gamma and Kappa distributions, with closed form conditional moments. We derive stationarity conditions and the asymptotic theory for the maximum likelihood estimation. Estimates of the volatility jump component confirm that the probability of jumps dramatically increases during the financial crises. The MEM-J improves over other models with fat tails.