Dynamic partial correlation models
动态偏相关模型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：摘要研究动态条件相关矩阵，并明确用于股票收益的资产定价分析。
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
动态偏相关模型
- 研究问题
- 如何构建可扩展的动态条件相关矩阵模型，并通过较低维条件验证多变量模型的稳定性、滤波性质与参数估计有效性？
- 方法与思路
- 作者递归组合动态二元偏相关模型，利用受扰动随机递推方程理论，以二元数据切片的条件研究多变量模型与极大似然估计。
- 材料陈述的贡献
- 摘要称建立平稳性、遍历性、滤波可逆性及估计量的渐近性质，并在模拟和美国股票收益资产定价应用中优于所列基准。
- 阅读关注点
- 应核对递归结构如何保证相关矩阵有效、二元条件的具体形式、似然设定，以及样本内外比较采用的指标和基准配置。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断维度扩展的计算代价或基准优势的稳健性；未提供具体比较数值，也不推断刊本变化。
原文摘要
We introduce a new scalable model for dynamic conditional correlation matrices based on a recursion of dynamic bivariate partial correlation models. By exploiting the model’s recursive structure and the theory of perturbed stochastic recurrence equations, we establish stationarity, ergodicity, and filter invertibility in the multivariate setting using conditions for bivariate slices of the data only. From this, we establish consistency and asymptotic normality of the maximum likelihood estimator for the model’s static parameters. The new model outperforms benchmarks like the t-cDCC and the multivariate t-GAS, both in simulations and in an in-sample and out-of-sample asset pricing application to US stock returns.