Large Skew-t Copula Models and Asymmetric Dependence in Intraday Equity Returns
大型偏斜 t Copula 模型与日内股票收益的非对称依赖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：摘要同时明确讨论日内股票收益、因子 Copula 和极端尾部依赖，分别支持高频计量、金融因子及尾部风险分类。
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…
大型偏斜 t Copula 模型与日内股票收益的非对称依赖
- 研究问题
- 如何在高维日内股票收益中刻画非对称及极端尾部依赖，并高效估计这种依赖在股票组合之间和时间上的差异？
- 方法与思路
- 作者利用偏斜 t 分布的生成表示构造增广后验，以随机梯度优化变分近似，估计日内股票收益的因子 Copula 模型。
- 材料陈述的贡献
- 摘要称所用 Copula 可容纳更强的成对非对称依赖，应用中发现依赖具有异质性和时变性，并报告预测密度及组合表现改善。
- 阅读关注点
- 应核对不同 Copula 的依赖比较标准、变分近似误差、因子数选择，以及滚动预测和组合评估是否严格使用样本外信息。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或被期刊接收；摘要未说明改进幅度、交易成本或跨样本稳健性。
原文摘要
Skew-t copula models are attractive for the modeling of financial data because they allow for asymmetric and extreme tail dependence. We show that the copula implicit in the skew-t distribution of Azzalini and Capitanio (2003) allows for a higher level of pairwise asymmetric dependence than two popular alternative skew-t copulas. Estimation of this copula in high dimensions is challenging, and we propose a fast and accurate Bayesian variational inference (VI) approach to do so. The method uses a generative representation of the skew-t distribution to define an augmented posterior that can be approximated accurately. A stochastic gradient ascent algorithm is used to solve the variational optimization. The methodology is used to estimate skew-t factor copula models with up to 15 factors for intraday returns from 2017 to 2021 on 93 U.S. equities. The copula captures substantial heterogeneity in asymmetric dependence over equity pairs, in addition to the variability in pairwise correlations. In a moving window study we show that the asymmetric dependencies also vary over time, and that intraday predictive densities from the skew-t copula are more accurate than those from benchmark copula models. Portfolio selection strategies based on the estimated pairwise asymmetric dependencies improve performance relative to the index.