Generalized Autoregressive Positive-valued Processes
广义自回归正值过程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：摘要提出正值时间序列过程，并明确将其用于已实现方差动态和欧洲期权定价。
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
广义自回归正值过程
- 研究问题
- 如何扩展正值时间序列模型，使不同条件矩分别由不同且可识别的移动平均过程驱动，并用于已实现方差建模和期权定价？
- 方法与思路
- 作者引入广义自回归正值过程，给出遍历性条件及条件、无条件矩的闭式表达，并开发估计和推断方法用于期权定价应用。
- 材料陈述的贡献
- 摘要称新模型允许各条件矩具有不同的可识别动态，并报告在每日已实现方差驱动的欧洲期权定价中，相比原有模型减少定价误差。
- 阅读关注点
- 应核对正值性、遍历性及各矩动态的识别条件，估计与推断实现，以及期权定价所需的额外设定和定价误差比较方式。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；动态阶数、定价设定和误差降幅未说明，应用结果不能推广为普遍优势，也不能推断刊本修改。
原文摘要
We introduce generalized autoregressive positive-valued (GARP) processes, a class of autoregressive and moving-average processes that extends the class of existing autoregressive positive-valued (ARP) processes in one important dimension: each conditional moment dynamic is driven by a different and identifiable moving average of the variable of interest. The article provides ergodicity conditions for GARP processes and derives closed-form conditional and unconditional moments. The article also presents estimation and inference methods, illustrated by an application to European option pricing where the daily realized variance follows a GARP dynamic. Our results show that using GARP processes reduces pricing errors by substantially more than using ARP processes.