Parametric quantile autoregressive conditional duration models with application to intraday value-at-risk
参数化分位数自回归条件持续期模型及日内风险价值应用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交易持续期，并用于日内风险价值模型，直接对应高频计量和金融尾部风险方向。
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…
参数化分位数自回归条件持续期模型及日内风险价值应用
- 研究问题
- 研究如何对金融交易持续期的不同条件分位数建模，并将持续期模型用于构造半参数日内风险价值模型。
- 方法与思路
- 作者以分位数重参数化的对数对称分布扩展 ACD 模型，开展极大似然估计、残差诊断、模拟及价格持续期应用。
- 材料陈述的贡献
- 摘要提出可建模不同持续期百分位的模型族，研究理论与估计问题，并将其连接到半参数日内风险价值建模。
- 阅读关注点
- 应核对分位数参数化、动态过程条件、似然与残差定义，以及从价格持续期推导日内风险价值的具体步骤。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出分布公式、理论条件或风险价值回测结果。
原文摘要
The modeling of high-frequency data that qualify financial asset transactions has been an area of relevant interest among statisticians and econometricians -- above all, the analysis of time series of financial durations. Autoregressive conditional duration (ACD) models have been the main tool for modeling financial transaction data, where duration is usually defined as the time interval between two successive events. These models are usually specified in terms of a time-varying mean (or median) conditional duration. In this paper, a new extension of ACD models is proposed which is built on the basis of log-symmetric distributions reparametrized by their quantile. The proposed quantile log-symmetric conditional duration autoregressive model allows us to model different percentiles instead of the traditionally used conditional mean (or median) duration. We carry out an in-depth study of theoretical properties and practical issues, such as parameter estimation using maximum likelihood method and diagnostic analysis based on residuals. A detailed Monte Carlo simulation study is also carried out to evaluate the performance of the proposed models and estimation method in retrieving the true parameter values as well as to evaluate a form of residuals. Finally, the proposed class of models is applied to a price duration data set and then used to derive a semi-parametric intraday value-at-risk (IVaR) model.