Realized jumps on financial markets and predicting credit spreads
金融市场的已实现跳跃与信用利差预测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：摘要以高频跳跃度量构造跳跃波动率风险因子，并比较其信用利差预测信息。
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
金融市场的已实现跳跃与信用利差预测
- 研究问题
- 如何检测金融市场的已实现跳跃并估计其参数，跳跃波动率是否能为投资级债券信用利差提供额外预测信息？
- 方法与思路
- 作者扩展基于双幂变差的跳跃检测，参数化估计跳跃强度、均值与方差，并应用于股票、国债、汇率及利差数据。
- 材料陈述的贡献
- 摘要称，在跳跃稀少且幅度较大时推断可靠；经验中跳跃波动率比若干利率及波动率因子具有更强利差预测力。
- 阅读关注点
- 应核对稀少且大幅跳跃条件、检测误差对参数估计的影响，以及利差预测是否样本外评价并控制相同系统性因素。
- 阅读边界
- 仅据所给出版社摘要，无法判断预测优势幅度与统计稳定性；利差预测和逆周期共变不能据此解释为因果作用。
原文摘要
This paper extends the jump detection method based on bipower variation to identify realized jumps on financial markets and to estimate parametrically the jump intensity, mean, and variance. Finite sample evidence suggests that the jump parameters can be accurately estimated and that the statistical inferences are reliable under the assumption that jumps are rare and large. Applications to equity market, treasury bond, and exchange rate data reveal important differences in jump frequencies and volatilities across asset classes over time. For investment grade bond spread indices, the estimated jump volatility has more forecasting power than interest rate factors and volatility factors including option-implied volatility, with control for systematic risk factors. The jump volatility risk factor seems to capture the low frequency movements in credit spreads and comoves countercyclically with the price-dividend ratio and corporate default rate.