FRACTIONAL COINTEGRATION IN STOCHASTIC VOLATILITY MODELS
随机波动模型中的分数协整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：摘要明确以资产收益共同因子、因子载荷和潜变量随机波动为研究对象，对应金融因子与波动率。
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…
随机波动模型中的分数协整
- 研究问题
- 当共同因子与特有误差均平稳且无序列相关，但高阶矩具有强依赖时，能否通过数据变换恢复分数协整并估计因子载荷？
- 方法与思路
- 作者采用双变量因子模型，为潜变量设定随机波动结构；在因子持久性高于误差时，通过适当变换和窄带半参数方法估计载荷。
- 材料陈述的贡献
- 摘要称，适当变换可恢复分数协整关系，所提因子载荷估计量具有一致性及收敛速度，并通过模拟研究有限样本性质。
- 阅读关注点
- 应核对高阶矩依赖与持久性的定义、数据变换方式、分数协整关系的形成，以及窄带选择如何影响载荷估计。
- 阅读边界
- 所给 Crossref 摘要未说明具体变换、持久性参数范围或收敛速度公式；也未报告模拟数值，不能据此评价估计性能。
原文摘要
Asset returns are frequently assumed to be determined by one or more common factors. We consider a bivariate factor model where the unobservable common factor and idiosyncratic errors are stationary and serially uncorrelated but have strong dependence in higher moments. Stochastic volatility models for the latent variables are employed, in view of their direct application to asset pricing models. Assuming that the underlying persistence is higher in the factor than in the errors, a fractional cointegrating relationship can be recovered by suitable transformation of the data. We propose a narrow band semiparametric estimate of the factor loadings, which is shown to be consistent with a rate of convergence, and its finite-sample properties are investigated in a Monte Carlo experiment.