Performance evaluation of volatility estimation methods for Exabel
Exabel 波动率估计方法的表现评价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：摘要明确比较投资组合波动率估计策略，并使用 GARCH 方差模型，对应金融波动率。
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…
Exabel 波动率估计方法的表现评价
- 研究问题
- 在大量公司与投资组合构成的样本中，不同波动率估计策略能否准确排序各类组合的波动水平，哪种方法表现较好？
- 方法与思路
- 作者在 2010 年至 2021 年的公司和组合样本中比较多种波动率估计策略，以不同组合子集的波动率排序表现评价方法。
- 材料陈述的贡献
- 摘要称，在所用评价框架中，直接基于个体收益并以 GARCH 估计方差的方法整体表现最好，但未报告具体优势幅度。
- 阅读关注点
- 应核对波动率排序的参照标准、历史估计与未来预测的区分，以及收益聚合方式、评价窗口和组合构造规则。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已经同行评审或期刊接收；摘要未说明排序评价细节，不能外推为所有波动率任务中的优势。
原文摘要
Quantifying both historic and future volatility is key in portfolio risk management. This note presents and compares estimation strategies for volatility estimation in an estimation universe consisting on 28 629 unique companies from February 2010 to April 2021, with 858 different portfolios. The estimation methods are compared in terms of how they rank the volatility of the different subsets of portfolios. The overall best performing approach estimates volatility from direct entity returns using a GARCH model for variance estimation.