The continuous-time limit of quasi score-driven volatility models
拟得分驱动波动率模型的连续时间极限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：摘要直接讨论随机波动率、杠杆效应及波动率扩散模型的估计。
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…
拟得分驱动波动率模型的连续时间极限
- 研究问题
- 拟得分驱动波动率模型在采样间隔趋于零时会产生何种连续时间极限，以及该极限能否表达市场中的杠杆效应？
- 方法与思路
- 作者研究高采样频率下的弱收敛，分析驱动创新与计算得分所用分布的差异及非对称性，并以离散模型近似扩散过程进行拟极大似然估计。
- 材料陈述的贡献
- 摘要称，极限为布朗运动相关的随机波动率模型，并给出非退化相关性的必要条件；模拟展示该方法尤其在相关系数估计上的有效性。
- 阅读关注点
- 应核对时间缩放、弱收敛所需条件与必要条件的边界，并检查两个例子中分布设定如何产生相关性及估计近似误差。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未说明完整收敛与估计条件，必要条件不能直接视为充分条件。
原文摘要
This paper explores the continuous-time limit of a class of Quasi Score-Driven (QSD) models that characterize volatility. As the sampling frequency increases and the time interval tends to zero, the model weakly converges to a continuous-time stochastic volatility model where the two Brownian motions are correlated, thereby capturing the leverage effect in the market. Subsequently, we identify that a necessary condition for non-degenerate correlation is that the distribution of driving innovations differs from that of computing score, and at least one being asymmetric. We then illustrate this with two typical examples. As an application, the QSD model is used as an approximation for correlated stochastic volatility diffusions and quasi maximum likelihood estimation is performed. Simulation results confirm the method's effectiveness, particularly in estimating the correlation coefficient.