Factor Overnight GARCH-Itô Models
因子隔夜 GARCH–Itô 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：摘要直接研究市场波动率矩阵的估计与预测，并以潜在金融因子及低秩结构降维，对应波动率和金融因子。
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…
因子隔夜 GARCH–Itô 模型
- 研究问题
- 如何统一描述日内与隔夜市场波动，并利用潜在因子结构估计和预测大型波动率矩阵，从而覆盖完整交易日的市场动态？
- 方法与思路
- 作者分别设置日内和隔夜的瞬时因子波动过程，嵌入多元 GARCH 结构，在低秩加稀疏假设下非参数估计因子波动，再作加权最小二乘。
- 材料陈述的贡献
- 摘要称提出统一的因子隔夜 GARCH–Itô 模型，连接离散时间结构与连续扩散过程，并为相应加权最小二乘估计建立渐近理论。
- 阅读关注点
- 应核对日内和隔夜过程的连接方式、低秩加稀疏分解的识别条件、非参数估计所需观测，以及加权最小二乘的权重与渐近条件。
- 阅读边界
- 所据为 arXiv 预印本，不能确认同行评审或期刊接收；摘要未说明采样频率、具体理论条件或预测比较结果，无法判断实际精度优势。
原文摘要
This paper introduces a unified factor overnight GARCH-Itô model for large volatility matrix estimation and prediction. To account for whole-day market dynamics, the proposed model has two different instantaneous factor volatility processes for the open-to-close and close-to-open periods, while each embeds the discrete-time multivariate GARCH model structure. To estimate latent factor volatility, we assume the low rank plus sparse structure and employ nonparametric estimation procedures. Then, based on the connection between the discrete-time model structure and the continuous-time diffusion process, we propose a weighted least squares estimation procedure with the non-parametric factor volatility estimator and establish its asymptotic theorems.