Risk and return: Long-run relations, fractional cointegration, and return predictability
风险与收益：长期关系、分数协整及收益可预测性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：摘要明确研究波动率、收益预测以及长记忆和分数协整动态，分别对应波动率、收益预测与时间序列。
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…
风险与收益：长期关系、分数协整及收益可预测性
- 研究问题
- 客观与风险中性波动率的长期共同变化，如何联系波动风险补偿，并能否形成对不同期限市场收益的预测信息？
- 方法与思路
- 作者结合标普500日内数据与 VIX，使用频域分解研究长期联系，并估计分数协整向量自回归模型。
- 材料陈述的贡献
- 摘要称，波动率与波动风险补偿在长期频率上的相干性最强，两种方差的长期均衡关系包含跨日及月度收益预测信息。
- 阅读关注点
- 应核对两类方差的测量、分数积分与协整设定、频域估计方法，以及收益预测是否经过样本外评价和基准比较。
- 阅读边界
- 摘要未报告预测增益、显著性细节或样本外表现；与长期风险模型一致不等于排除其他机制或确认可交易收益。
原文摘要
Univariate dependencies in market volatility, both objective and risk neutral, are best described by long-memory fractionally integrated processes. Meanwhile, the ex post difference, or the variance swap payoff reflecting the reward for bearing volatility risk, displays far less persistent dynamics. Using intraday data for the Standard & Poor's 500 and the volatility index (VIX), coupled with frequency domain methods, we separate the series into various components. We find that the coherence between volatility and the volatility-risk reward is the strongest at long-run frequencies. Our results are consistent with generalized long-run risk models and help explain why classical efforts of establishing a naïve return-volatility relation fail. We also estimate a fractionally cointegrated vector autoregression (CFVAR). The model-implied long-run equilibrium relation between the two variance variables results in nontrivial return predictability over interdaily and monthly horizons, supporting the idea that the cointegrating relation between the two variance measures proxies for the economic uncertainty rewarded by the market.