Modelling Volatility Cycles: The MF2‐GARCH Model
波动率周期建模：MF2-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：摘要直接提出 GARCH 波动率模型，并评价股票市场的长期波动率预测。
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
波动率周期建模：MF2-GARCH 模型
- 研究问题
- 如何利用标准化预测误差的历史可预测性刻画波动率周期，同时保持收益平稳和长期波动率预测的均值回归特征？
- 方法与思路
- 作者提出乘法因子多频率 MF2-GARCH，将历史标准化预测误差的信息纳入模型，并对标普 500 及大量个股进行应用。
- 材料陈述的贡献
- 摘要称模型具有平稳收益和长期预测均值回归性质，在标普 500 长期样本外预测中显著优于三类基准，并用于逾 2100 只股票。
- 阅读关注点
- 核对乘法分量定义、平稳和均值回归条件，以及长期预测期限、损失函数、显著性检验与个股应用的计算安排。
- 阅读边界
- 仅据所给 Crossref 摘要解读，未核验刊本变化；参数条件和预测评价细节未说明，标普 500 的优势不能自动推广到全部个股。
原文摘要
ABSTRACT We propose a novel multiplicative factor multi‐frequency GARCH (MF2‐GARCH) model, which exploits the empirical fact that the daily standardized forecast errors of one‐component GARCH models are predictable by a moving average of past standardized forecast errors. In contrast to other multiplicative component GARCH models, the MF2‐GARCH features stationary returns, and long‐term volatility forecasts are mean‐reverting. When applied to the S&P 500, the new component model significantly outperforms the one‐component GJR‐GARCH, the GARCH‐MIDAS‐RV, and the log‐HAR model in long‐term out‐of‐sample forecasting. We illustrate the MF2‐GARCH's scalability by applying the new model to more than 2100 individual stocks in the Volatility Lab at NYU Stern.