Realized stochastic volatility with general asymmetry and long memory
具有一般非对称性与长记忆的已实现随机波动率模型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：摘要直接研究资产波动率模型，并以金融资产高频数据构造和评估已实现波动率。
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…
具有一般非对称性与长记忆的已实现随机波动率模型
- 研究问题
- 如何在资产收益与已实现波动率的联合模型中容纳一般非对称性和长记忆，并据此开展波动率估计与样本外预测？
- 方法与思路
- 作者构建RSV-GALM模型，讨论Whittle似然估计和非对称性检验的渐近性质，并使用三项美国金融资产的高频数据进行评估。
- 材料陈述的贡献
- 摘要称提出同时包含一般非对称性与长记忆的新模型，提供波动率估计及预测方法，并与已实现条件波动率模型比较预测表现。
- 阅读关注点
- 应核对非对称性和长记忆的参数化、Whittle估计条件、已实现波动率的构造及预测评价设计，并检查收益影响未来波动率的解释依据。
- 阅读边界
- 所给出版社摘要未报告预测比较数值或明确的优势结论；模型中的收益—波动率关系也不能仅凭摘要确认为已识别的因果效应。
原文摘要
The paper develops a novel realized stochastic volatility model of asset returns and realized volatility that incorporates general asymmetry and long memory (hereafter the RSV-GALM model). The contribution of the paper ties in with Robert Basmann’s seminal work in terms of the estimation of highly non-linear model specifications (Basmann, 1988), especially for specifying causal effects from returns to future volatility. This paper discusses asymptotic results of a Whittle likelihood estimator for the RSV-GALM model and a test for general asymmetry, and analyzes the finite sample properties. The paper also develops an approach to obtain volatility estimates and out-of-sample forecasts. Using high frequency data for three US financial assets, the new model is estimated and evaluated. The paper compares the forecasting performance of the new model with a realized conditional volatility model.