Network Time Series Models for Multivariate Volatility Forecasting
用于多变量波动率预测的网络时间序列模型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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确预测金融资产已实现方差，并使用多变量HAR时间序列模型。
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
用于多变量波动率预测的网络时间序列模型
- 研究问题
- 如何在多资产已实现方差预测中纳入跨资产溢出，同时保持模型简约，并刻画平静与危机时期的依赖变化？
- 方法与思路
- 作者提出广义网络HAR模型，以Granger因果检验或连通性指标推断有向图，将网络溢出纳入多变量异质自回归预测。
- 材料陈述的贡献
- 摘要称，在十只股票的应用中，该模型改善短期和长期预测，并通过较少参数描述市场依赖变化，另比较跳跃分解与隐含方差。
- 阅读关注点
- 应核对网络估计与预测窗口是否避免信息泄漏、预测损失和基准设置，以及网络更新、危机划分和参数解释的依据。
- 阅读边界
- 这是arXiv预印本，同行评审或期刊接收未经核实。摘要未给出预测增益数值；Granger关系不能单凭名称解释为干预因果关系。
原文摘要
Realized volatility has become a standard tool for measuring latent variation in financial assets, and its forecasting is crucial for a wide range of financial applications. We propose a network-based model for forecasting a vector of realized variance processes through the heterogeneous autoregressive (HAR) approach. The generalised network HAR (GNHAR) model incorporates cross-sectional spillovers through a directed graph inferred from Granger-causality tests or connectedness indices, yielding a parsimonious multivariate time series model specification. In an application to ten equities over tranquil and crisis regimes, the proposed GNHAR model improves upon common HAR model benchmarks under both short- and long-term forecasting. We also compare the network-based specification when the jump-continuous decomposition or node-specific option-implied variances are considered. Finally, unlike overparameterised models, our approach yields a concise set of parameters that track the strengthening or weakening of cross-market dependencies, providing a time-varying quantitative assessment of market stability.