Feasible Implied Correlation Matrices from Factor Structures
由因子结构构造可行的隐含相关矩阵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：摘要明确以金融因子结构构造期权隐含相关矩阵，并关联因子资产定价和指数期权定价。
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
由因子结构构造可行的隐含相关矩阵
- 研究问题
- 在非外汇市场中，如何确保期权隐含相关矩阵同时满足数学与经济可行性，并将预期股票与风险因子相关性纳入构造？
- 方法与思路
- 作者从因子结构出发，一条路径求解最近相关矩阵问题，另一条路径将股票与风险因子的预期相关性转为可行矩阵。
- 材料陈述的贡献
- 摘要称，论文提出可行性的必要条件和两种构造方法，其中量化方法也可修复其他估计矩阵的半正定性，并提供月度数据实验。
- 阅读关注点
- 应核对数学与经济可行性的定义、因子结构约束、最近矩阵问题的距离准则，以及期权信息与因子相关性如何连接。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明全部可行条件或实证数值，可行性也不直接保证预测准确。
原文摘要
Forward-looking correlations are of interest in different financial applications, including factor-based asset pricing, forecasting stock-price movements or pricing index options. With a focus on non-FX markets, this paper defines necessary conditions for option implied correlation matrices to be mathematically and economically feasible and argues, that existing models are typically not capable of guaranteeing so. To overcome this difficulty, the problem is addressed from the underlying factor structure and introduces two approaches to solve it. Under the quantitative approach, the puzzle is reformulated into a nearest correlation matrix problem which can be used either as a stand-alone estimate or to re-establish positive-semi-definiteness of any other model's estimate. From an economic approach, it is discussed how expected correlations between stocks and risk factors (like CAPM, Fama-French) can be translated into a feasible implied correlation matrix. Empirical experiments are carried out on monthly option data of the S\&P 100 and S\&P 500 index (1996-2020).