On the Normal Inverse Gaussian Stochastic Volatility Model
正态逆高斯随机波动率模型研究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：摘要以随机波动率模型为核心，并对股票收益与汇率变动进行模型拟合和波动率预测比较，直接对应金融波动率研究。
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
正态逆高斯随机波动率模型研究
- 研究问题
- 如何扩展正态逆高斯随机波动率模型，使滞后结构更灵活，并刻画高阶矩、极大似然估计表现及股票与汇率波动预测能力？
- 方法与思路
- 作者扩展原模型并推导二阶、四阶矩，将其解释为非正态误差的GARCH或逆高斯条件方差的随机波动率模型，再作估计模拟与应用比较。
- 材料陈述的贡献
- 摘要称新模型具有更灵活的滞后结构，并给出二阶与四阶矩；同时考察极大似然估计，并与两个波动率模型比较典型事实拟合和预测表现。
- 阅读关注点
- 核对参数约束、矩存在条件和似然计算，弄清两项典型事实及比较模型的定义，并检查模拟设定与预测评估方式。
- 阅读边界
- 摘要未列出典型事实、样本区间、比较模型和预测指标，也未说明比较结果；不能据此判断新模型拟合或预测是否更好。
原文摘要
In this article, the normal inverse Gaussian stochastic volatility model of Barndorf-Nielsen is extended. The resulting model has a more flexible lag structure than the original one. In addition, the second- and fourth-order moments, important properties of a volatility model, are derived. The model can be considered either as a generalized autoregressive conditional heteroscedasticity model with nonnormal errors or as a stochastic volatility model with an inverse Gaussian distributed conditional variance. A simulation study is made to investigate the performance of the maximum likelihood estimator of the model. Finally, the model is applied to stock returns and exchange-rate movements. Its fit to two stylized facts and its forecasting performance is compared with two other volatility models.