Multiplicative factor model for volatility
波动率的乘法因子模型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：摘要直接研究股票日度方差的共同因子分解，并利用高频观测估计，对应金融波动率、金融因子与高频计量。
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…
波动率的乘法因子模型
- 研究问题
- 大量股票的日度方差能否用共同方差因子与个体乘法成分简洁刻画，并据此改善个股、组合及指数的波动率预测？
- 方法与思路
- 作者提出单因子乘法波动率模型，利用高频观测刻画日度方差，给出两种简单估计方法的统计性质，并开展实证预测比较。
- 材料陈述的贡献
- 摘要称模型兼顾波动率的重要性质、估计简便性及股票组合应用，并在美国股票与全球权益指数上取得良好的预测表现。
- 阅读关注点
- 应核对共同因子与个体成分的规范化方式、两种估计方法的适用条件，以及高频测量误差和预测比较设计。
- 阅读边界
- 仅据所给出版社摘要，不能判断预测优势的幅度、稳定性及比较公平性；摘要未说明样本区间和具体理论条件。
原文摘要
Facilitated with high-frequency observations, we introduce a remarkably parsimonious one-factor volatility model that offers a novel perspective for comprehending daily volatilities of a large number of stocks. Specifically, we propose a multiplicative volatility factor (MVF) model, where stock daily variance is represented by a common variance factor and a multiplicative idiosyncratic component. We demonstrate compelling empirical evidence supporting our model and provide statistical properties for two simple estimation methods. The MVF model reflects important properties of volatilities, applies to both individual stocks and portfolios, can be easily estimated, and leads to exceptional predictive performance in both US stocks and global equity indices.