MODELING NONSTATIONARY AND LEPTOKURTIC FINANCIAL TIME SERIES
非平稳与尖峰厚尾金融时间序列的建模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：摘要明确以金融波动估计为中心，并强调对结构变化的自适应响应，对应波动率与结构变化。
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
非平稳与尖峰厚尾金融时间序列的建模
- 研究问题
- 如何在金融时间序列的波动估计中同时应对非平稳性与厚尾，并兼顾近似稳定时期的表现和结构变化的敏感性？
- 方法与思路
- 作者提出局部指数平滑，将不同记忆参数的初步估计作局部自适应聚合，并使用新的传播方法自动调节参数。
- 材料陈述的贡献
- 摘要称聚合估计具有与候选族中最佳估计相当的预言性质，数值研究显示其在稳定情形表现稳定且能响应结构变化。
- 阅读关注点
- 应核对预言结果采用的损失及比较范围、厚尾与非平稳条件，并查看传播调参如何影响结构变化附近的估计。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确认所谓宽松假设的具体内容，也不能将候选估计族内的比较推广为普遍最优。
原文摘要
Financial time series is often assumed to be stationary and has a normal distribution in the literature. Both assumptions are however unrealistic. This paper proposes a new methodology with a focus on volatility estimation that is able to account for nonstationarity and heavy tails simultaneously. In particular, a local exponential smoothing (LES) approach is developed, in which weak estimates with different memory parameters are aggregated in a locally adaptive way. The procedure is fully automatic and the parameters are tuned by a new propagation approach. The extensive and practically oriented numerical results confirm the desired properties of the constructed estimate: it performs stable in a nearly time homogeneous situation and is sensitive to structural shifts. Our main theoretical “oracle” result claims that the aggregated estimate performs as good as the best estimate in the considered family. The results are stated under realistic and unrestrictive assumptions on the model.