GARCH copulas, v-transforms and D-vines for stochastic volatility
用于随机波动的 GARCH Copula、v 变换与 D-vine 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：摘要研究 GARCH 随机波动过程的滞后依赖，并应用于金融汇率收益时间序列。
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…
用于随机波动的 GARCH Copula、v 变换与 D-vine 模型
- 研究问题
- 严格平稳的一阶 GARCH 类过程，其滞后变量依赖具有哪些 Copula 对称性，又如何构造可计算的近似依赖模型？
- 方法与思路
- 作者分析不同创新分布和杠杆效应下的对称性，用两个保持均匀分布的 v 变换构造二元 Copula，并嵌入简化 D-vine。
- 材料陈述的贡献
- 摘要称，新构造可近似难以直接获得的 GARCH Copula，且在 GARCH 模拟数据和汇率收益数据中比既有 vine 模型拟合更好。
- 阅读关注点
- 应核对联合对称、不可交换及 h 对称的定义，v 变换的构造条件，以及 D-vine 简化假设与拟合比较指标。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未报告拟合差异数值，也未说明样本外预测或尾部风险表现。
原文摘要
The bivariate copulas that describe the dependencies and partial dependencies of lagged variables in strictly stationary, first-order GARCH-type processes are investigated. It is shown that the copulas of symmetric GARCH processes are jointly symmetric but non-exchangeable, while the copulas of processes with symmetric innovation distributions and asymmetric leverage effects have weaker h-symmetry; copulas with asymmetric innovation distributions have neither form of symmetry. Since the true bivariate copulas are typically inaccessible, due to the unknown functional forms of the marginal distributions of GARCH processes, a new class of approximating copulas is proposed. These rely on copula density constructions that combine standard bivariate copula densities for positive dependence with two uniformity-preserving transformations known as v-transforms. The construction is shown to be particularly effective when applied to the density of the copula of the absolute values of a spherical t distribution. Tractable simplified D-vines incorporating the new pair copulas are developed for applications to time series showing stochastic volatility. The resulting models are shown to provide better fits to simulated data from GARCH processes, and to a dataset of financial exchange-rate returns, than have previously been obtained using vine copulas.