Regime switching dynamic correlations for asymmetric and fat-tailed conditional returns
非对称厚尾条件收益的状态切换动态相关模型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：摘要直接建模金融收益的动态相关性与厚尾分布，并讨论风险预测、压力时期资本和危机损失，对应波动率及金融风险。
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…
非对称厚尾条件收益的状态切换动态相关模型
- 研究问题
- 如何联合刻画金融收益的非对称、厚尾与相关性状态切换，并评估这些特征对风险预测和动态风险控制的作用？
- 方法与思路
- 作者采用多元广义双曲条件分布和马尔可夫状态切换相关性，通过新的两阶段 EM 算法估计，并允许准贝叶斯先验收缩。
- 材料陈述的贡献
- 摘要称模型参数估计具有一致性，并报告风险预测、组合表现和危机期风险控制的改善，以及压力时期降低资本要求的可能性。
- 阅读关注点
- 应核对状态数与分布设定、两阶段算法的一致性条件，以及样本外风险预测、组合比较、交易成本和资本要求的计算方式。
- 阅读边界
- 仅据所给出版社摘要，无法验证其相对竞争模型的优势或资本节约幅度；样本、风险指标、成本假设及比较结果细节未说明。
原文摘要
A non-Gaussian multivariate regime switching dynamic correlation model for financial asset returns is proposed. It incorporates the multivariate generalized hyperbolic law for the conditional distribution of returns. All model parameters are estimated consistently using a new two-stage expectation–maximization algorithm that also allows for incorporation of shrinkage estimation via quasi-Bayesian priors. It is shown that use of Markov switching correlation dynamics not only leads to highly accurate risk forecasts, but also potentially reduces the regulatory capital requirements during periods of distress. In terms of portfolio performance, the new regime switching model delivers consistently higher Sharpe ratios and smaller losses than the equally weighted portfolio and all competing models. Finally, the regime forecasts are employed in a new dynamic risk control strategy that avoids most losses during the financial crisis and vastly improves risk-adjusted returns.