The Autoregressive Inverse‐Wishart Multivariate Stochastic Volatility Model and Its Factor Extension
自回归逆Wishart多元随机波动模型及其因子扩展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：摘要直接研究资产协方差的多元随机波动模型，并提出金融因子结构扩展。
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
自回归逆Wishart多元随机波动模型及其因子扩展
- 研究问题
- 如何缓解自回归逆Wishart随机波动模型中潜在协方差采样的维度困难，并使模型适用于较多资产的联合波动？
- 方法与思路
- 作者为潜在协方差矩阵设计新提议机制，扩展模型以刻画波动特征，并引入因子结构和不依赖排序的后验识别程序。
- 材料陈述的贡献
- 摘要称新采样机制扩展性更好，基础及因子版本在涵盖十至千项资产的真实数据中展示多元波动建模能力。
- 阅读关注点
- 应核对采样接受率与混合效率、维度和计算成本的关系、波动扩展的参数约束，以及后验因子识别如何处理不确定性。
- 阅读边界
- 仅据所给Crossref版本摘要；未报告完整成本、收敛诊断或样本外风险表现，不能认定各维度均占优或推断刊本变化。
原文摘要
ABSTRACT Despite its conceptual appeal, the autoregressive inverse‐Wishart (AIW) multivariate stochastic volatility model has been hindered by inefficient sampling methods. The existing samplers for the latent covariance matrix severely suffer from the curse of dimensionality and only work when the dimension is very low. In this paper, we introduce a new proposal for the latent covariance matrix in the AIW model, which demonstrates far better scalability. We introduce different extensions to the basic AIW model that capture various stylized volatility features. We further fit the AIW model into a factor structure and provide an a posteriori identification procedure without introducing order dependence. When evaluated using real datasets ranging from 10 assets to 1000 assets, the new AIW‐based models, whether the standalone versions or the factor versions, are especially suited for multivariate volatility modeling in a wide range of dimensions.