Student-t Stochastic Volatility Model With Composite Likelihood EM-Algorithm
Student-t 随机波动率模型与复合似然 EM 算法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：摘要明确提出随机波动率模型，并应用于金融市场收益数据。
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…
Student-t 随机波动率模型与复合似然 EM 算法
- 研究问题
- 如何构造具有 Student-t 边际分布的稳健随机波动率模型，并以较低计算成本估计控制时间依赖的潜在过程参数？
- 方法与思路
- 作者用潜在伽马过程驱动正态线性回归，得到响应过程的显式成对联合密度，据此构造复合似然、EM 算法及标准误自助法。
- 材料陈述的贡献
- 摘要提出具有显式成对密度的新模型和计算较简便的推断方案，通过模拟评估有限样本表现，并用于美国行业基金与个股收益关系分析。
- 阅读关注点
- 应核对潜在过程的设定、成对复合似然的信息损失、EM 收敛与标准误构造，以及与其他随机波动率算法的成本比较。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明稳健性的具体含义、效率损失或计算节省幅度。
原文摘要
A new robust stochastic volatility (SV) model having Student-t marginals is proposed. Our process is defined through a linear normal regression model driven by a latent gamma process that controls temporal dependence. This gamma process is strategically chosen to enable us to find an explicit expression for the pairwise joint density function of the Student-t response process. With this at hand, we propose a composite likelihood (CL) based inference for our model, which can be straightforwardly implemented with a low computational cost. This is a remarkable feature of our Student-t SV process over existing SV models in the literature that involve computationally heavy algorithms for estimating parameters. Aiming at a precise estimation of the parameters related to the latent process, we propose a CL Expectation-Maximization algorithm and discuss a bootstrap approach to obtain standard errors. The finite-sample performance of our composite likelihood methods is assessed through Monte Carlo simulations. The methodology is motivated by an empirical application in the financial market. We analyze the relationship, across multiple time periods, between various US sector Exchange-Traded Funds returns and individual companies' stock price returns based on our novel Student-t model. This relationship is further utilized in selecting optimal financial portfolios.