Factor and Idiosyncratic VAR Volatility Matrix Models for Heavy-Tailed High-Frequency Financial Observations
重尾高频金融观测下的因子与特质 VAR 波动率矩阵模型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。
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：摘要明确研究高频金融观测中的因子与特质波动率矩阵，直接对应波动率、金融因子及高频计量三个方向。
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…
重尾高频金融观测下的因子与特质 VAR 波动率矩阵模型
- 研究问题
- 如何同时刻画因子与特质波动率矩阵的动态，并在高频金融观测具有重尾、模型参数较多时估计和预测大规模波动率矩阵？
- 方法与思路
- 作者提出 FIVAR 模型，使两类波动率矩阵的特征值服从 VAR 动态，并结合截断与惩罚优化处理重尾观测及多参数估计。
- 材料陈述的贡献
- 摘要称，该框架同时建模因子和特质波动率动态，提出相应参数估计程序，将其用于大规模矩阵预测，并建立渐近性质。
- 阅读关注点
- 应核对矩阵与特征值动态的具体定义、截断和惩罚的选择、渐近结论所需条件，以及预测评价与比较方法的设置。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未说明尾部条件、收敛速度及预测效果的具体数值。
原文摘要
This paper introduces a novel process for both factor and idiosyncratic volatility matrices whose eigenvalues follow the vector auto-regressive (VAR) model. We call it the factor and idiosyncratic VAR (FIVAR) model. The FIVAR model accounts for the dynamics of the factor and idiosyncratic volatilities and includes many parameters. In addition, many empirical studies have shown that high-frequency stock returns and volatilities often exhibit heavy tails. To handle these two problems simultaneously, we propose a penalized optimization procedure with a truncation scheme for parameter estimation. We apply the proposed parameter estimation procedure to predicting large volatility matrices and establish its asymptotic properties.