Simulation and inference for stochastic volatility models driven by Levy processes
Lévy 过程驱动的随机波动率模型：模拟与推断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：摘要明确研究随机波动率过程、波动率相关结构和股票收益拟合，直接对应金融波动率。
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
Lévy 过程驱动的随机波动率模型：模拟与推断
- 研究问题
- 如何扩展 Lévy 过程驱动的 Ornstein–Uhlenbeck 随机波动率模型，使波动率相关结构更灵活并容纳准长记忆？
- 方法与思路
- 作者研究 Lévy 驱动的 Ornstein–Uhlenbeck 过程及更一般的非此类模型，为其中一个模型引入准长记忆并拟合股票收益资料。
- 材料陈述的贡献
- 摘要称扩展了随机波动率过程的建模范围，探索更灵活的相关结构，并展示这些模型能够用于真实股票价格收益数据。
- 阅读关注点
- 应核对过程与驱动分布的设定、准长记忆的定义、模拟和推断算法，以及真实收益拟合如何评估相关结构和参数不确定性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体算法、参数条件及拟合指标未说明，不能据可拟合数据声称预测更优或推断刊本变化。
原文摘要
We study Ornstein-Uhlenbeck stochastic processes driven by Lévy processes, and extend them to more general non-Ornstein-Uhlenbeck models. In particular, we investigate the means of making the correlation structure in the volatility process more flexible. For one model, we implement a method for introducing quasi long-memory into the volatility model. We demonstrate that the models can be fitted to real share price returns data.