A dynamic conditional score model for the log correlation matrix
对数相关矩阵的动态条件得分模型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：摘要直接研究资产收益的动态相关矩阵，并将波动率与相关性分开建模和估计。
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
对数相关矩阵的动态条件得分模型
- 研究问题
- 如何在高维收益模型中建立始终正定的动态相关矩阵，并通过分离波动率与相关性来降低估计的计算负担？
- 方法与思路
- 作者以相关矩阵的矩阵对数为参数，用似然得分驱动动态，结合 Student-t Copula 与边际分布，研究一步及两步估计。
- 材料陈述的贡献
- 摘要称变换保证相关矩阵正定，两步估计方便高维应用；六类资产指数的案例在诊断、设定检验及样本外预测中表现良好。
- 阅读关注点
- 应核对矩阵对数参数化怎样满足相关矩阵约束、两步估计误差如何传递，以及高维计算成本和预测比较的设定。
- 阅读边界
- 仅据所给出版社摘要，不能据六个指数的案例判断更高维普适表现；摘要未说明预测优势数值、完整估计条件或版本变化。
原文摘要
This paper proposes a new model for the dynamics of correlation matrices, where the dynamics are driven by the likelihood score with respect to the matrix logarithm of the correlation matrix. In analogy to the exponential GARCH model for volatility, this transformation ensures that the correlation matrices remain positive definite, even in high dimensions. For the conditional distribution of returns, we assume a student-t copula to explain the dependence structure and univariate student-t for the marginals with potentially different degrees of freedom. The separation into volatility and correlation parts allows for a two-step estimation, which facilitates estimation in high dimensions. We derive estimation theory for one-step and two-step estimation. In an application to a set of six asset indices including financial and alternative assets we show that the model performs well in terms of diagnostics, specification tests, and out-of-sample forecasting.