Forecasting the Volatility of Australian Stock Returns
澳大利亚股票收益的波动率预测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：摘要用多元因子模型分析股票波动率，并以样本外预测比较模型表现，直接对应金融因子与波动率方向。
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…
关注这篇论文的作者
澳大利亚股票收益的波动率预测
- 研究问题
- 如何利用多元因子模型预测澳大利亚股票的波动率，并在截面维度不大、波动测度可能含跳跃的情况下评估预测表现？
- 方法与思路
- 作者针对截面维度不很大的近似因子模型提出对跳跃稳健的估计程序，也使用剔除跳跃成分的波动测度，并进行样本外预测比较。
- 材料陈述的贡献
- 摘要称，多元波动率因子模型的样本外预测优于单变量模型，但简单与复杂因子模型之间差异不大；同时提出对跳跃稳健的估计程序。
- 阅读关注点
- 应核对波动测度与跳跃剔除方式、较小截面下稳健估计的条件，以及预测期、单变量基准和模型差异的统计检验。
- 阅读边界
- 摘要未说明股票样本、波动测度、预测损失或改善幅度，不能据此判断优势的经济量级，或将简单与复杂模型视为普遍等效。
原文摘要
This article develops multivariate factor models for forecasting volatility in Australian stocks. We suggest estimation procedures for approximate factor models that are robust to jumps when the cross-sectional dimension is not very large, and also work with volatility measures that have been constructed so that they contain no jump components. Out-of-sample forecast analysis shows that multivariate factor models of volatility outperform univariate models, but there is little difference between simple and sophisticated factor models.