Flexible variational approximations for stochastic volatility-managed portfolios
随机波动率管理组合的灵活变分近似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：摘要直接以随机波动率预测和平滑后的波动率管理组合为研究对象，最明确的分类依据是金融波动率方向。
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…
关注这篇论文的作者
随机波动率管理组合的灵活变分近似
- 研究问题
- 随机波动率预测的平滑能否改善波动率管理组合的交易表现，尤其是减少过度杠杆、换手和交易成本后的不利结果？
- 方法与思路
- 作者用变分贝叶斯方法平滑随机波动率预测，并在股票因子及特征组合上比较推断准确性、计算效率和组合经济表现。
- 材料陈述的贡献
- 摘要称平滑降低杠杆与换手，改善成本后风险调整收益，并显示更高的预测精度未必带来更好的组合表现。
- 阅读关注点
- 全文应核对平滑机制、变分近似误差、杠杆约束与成本设定，以及样本外比较和极端负收益结论的适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明样本、交易成本数值和比较细节，不能外推其优势。
原文摘要
This paper investigates volatility-managed portfolios through a variational Bayes approach that smooths stochastic volatility forecasts. Our algorithm exhibits competitive performance relative to established methods both in terms of inferential accuracy and computational efficiency. Analyzing equity factors and characteristic-based portfolios, we show that smoothing reduces excess leverage and turnover, significantly improving risk-adjusted returns after transaction costs. Importantly, our smoothed stochastic volatility method achieves positive net performance while avoiding extreme negative outcomes, a combination no competing approach attains. We demonstrate that superior forecasting accuracy does not guarantee superior portfolio performance, revealing a fundamental trade-off between model precision and economic utility.