Estimating and predicting multivariate volatility thresholds in global stock markets
全球股票市场多变量波动率门限的估计与预测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：摘要明确建模股票收益的条件方差和条件均值，并评价样本外预测能力，支持波动率与收益预测分类。
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…
关注这篇论文的作者
全球股票市场多变量波动率门限的估计与预测
- 研究问题
- 全球股指收益的条件均值与波动率是否存在多个多变量门限，以及滞后美国股指收益如何影响各门限下的预测？
- 方法与思路
- 作者提出双树结构 AR-GARCH，允许条件均值与波动率存在多个门限，并在八个主要股指上开展样本外预测比较。
- 材料陈述的贡献
- 摘要称，全球股指的条件均值和方差支持两个以上状态，滞后美国收益影响门限，并提高所提树结构模型的样本外预测能力。
- 阅读关注点
- 应核对双树与门限的选择规则、美国收益进入各状态的方式，以及预测窗口、损失函数和比较模型的设定。
- 阅读边界
- 仅依据所给 Crossref 摘要；预测改善幅度及统计检验未说明，美国收益的预测关联不能直接解释为因果影响或推断版本变化。
原文摘要
Abstract We propose a general double tree structured AR‐GARCH model for the analysis of global equity index returns. The model extends previous approaches by incorporating (i) several multivariate thresholds in conditional means and volatilities of index returns and (ii) a richer specification for the impact of lagged foreign (US) index returns in each threshold. We evaluate the out‐of‐sample forecasting power of our model for eight major equity indices in comparison to some existing volatility models in the literature. We find strong evidence for more than one multivariate threshold (more than two regimes) in conditional means and variances of global equity index returns. Such multivariate thresholds are affected by foreign (US) lagged index returns and yield a higher out‐of‐sample predictive power for our tree structured model setting. Copyright © 2006 John Wiley & Sons, Ltd.