A multivariate realized GARCH model
多元已实现 GARCH 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：摘要将已实现波动率纳入多元 GARCH，并对条件相关性采用因子结构，对应金融波动率与因子模型。
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…
多元已实现 GARCH 模型
- 研究问题
- 如何把已实现波动率与相关性测度纳入多元 GARCH，并通过相关矩阵参数化缓解高维模型中的建模与估计困难？
- 方法与思路
- 作者采用条件相关矩阵的无约束向量参数化，使相关性可用因子模型描述，并以可简化为线性因子的分块相关矩阵作说明。
- 材料陈述的贡献
- 摘要称关键创新是支持相关性因子建模的参数化；九项资产收益应用中，样本内外表现较多个常用基准更有利。
- 阅读关注点
- 应核对无约束参数如何映射到有效相关矩阵、已实现测度的测量方程、因子维度选择，以及高维可扩展性的证据。
- 阅读边界
- 仅依据所给出版社摘要；摘要未给比较数值或计算复杂度，九项资产的应用不足以单独确认更大维度下的表现。
原文摘要
We propose a novel class of multivariate GARCH models that incorporate realized measures of volatility and correlations. The key innovation is an unconstrained vector parametrization of the conditional correlation matrix, which enables the use of factor models for correlations. This approach elegantly addresses the main challenge faced by multivariate GARCH models in high-dimensional settings. As an illustration, we explore block correlation matrices that naturally simplify to linear factor models for the conditional correlations. The model is applied to the returns of nine assets, and its in-sample and out-of-sample performance compares favorably against several popular benchmarks.