Disentangling systematic and idiosyncratic dynamics in panels of volatility measures
分离波动率面板中的系统性与个体动态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：摘要核心是已实现波动率的共同趋势、个体动态及预测，直接属于波动率计量方向。
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…
分离波动率面板中的系统性与个体动态
- 研究问题
- 多资产已实现波动率同时包含共同长期趋势和个体动态时，如何分离两类成分，并建立适用于大截面与长时间维度的估计方法？
- 方法与思路
- 作者扩展乘法误差模型，以非参数方法估计共同趋势，并令个体动态遵循单变量乘法误差模型，发展相应半非参数估计理论。
- 材料陈述的贡献
- 摘要称，两组美国资产波动率面板显示共同趋势反映市场整体风险、个体持续性存在差异，且所提方法改善若干基准下的样本外预测。
- 阅读关注点
- 应核对共同趋势与个体成分的可分离条件、双维度渐近设定，以及波动率测量、非参数平滑和样本外预测比较方式。
- 阅读边界
- 所给出版社摘要仅说明2001—2008年的两组应用，未给理论条件、预测期限或改善幅度；不能推断优势在其他市场普遍成立。
原文摘要
Realized volatilities observed across several assets show a common secular trend and some idiosyncratic pattern which we accommodate by extending the class of Multiplicative Error Models (MEMs). In our model, the common trend is estimated nonparametrically, while the idiosyncratic dynamics are assumed to follow univariate MEMs. Estimation theory based on seminonparametric methods is developed for this class of models for large cross-sections and large time dimensions. The methodology is illustrated using two panels of realized volatility measures between 2001 and 2008: the SPDR Sectoral Indices of the S&P500 and the constituents of the S&P100. Results show that the shape of the common volatility trend captures the overall level of risk in the market and that the idiosyncratic dynamics have a heterogeneous degree of persistence around the trend. Out-of-sample forecasting shows that the proposed methodology improves volatility prediction over several benchmark specifications.