Splines for Financial Volatility
金融波动率的样条建模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：摘要明确以金融时间序列的条件波动率建模和预测为研究对象。
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
金融波动率的样条建模
- 研究问题
- 如何灵活刻画金融时间序列的条件波动率，并在滞后变量形成的大规模非线性模型中实现可行的预测与估计？
- 方法与思路
- 作者用滞后观测和波动率的多元 B 样条构建广义 GARCH 型模型，在非高斯似然框架下通过 boosting 实现正则化与稀疏拟合。
- 材料陈述的贡献
- 摘要称该方法适合高维计算，模拟与真实数据显示较强波动率预测潜力，并提供与其他方法的比较和部分渐近论证。
- 阅读关注点
- 应核对样条维度与结点选择、波动率约束、boosting 停止规则，以及预测评价设计和渐近论证的具体适用条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断预测优势的幅度与稳健性；摘要未说明数据、比较模型及调参方案。
原文摘要
Summary We propose a flexible generalized auto-regressive conditional heteroscedasticity type of model for the prediction of volatility in financial time series. The approach relies on the idea of using multivariate B-splines of lagged observations and volatilities. Estimation of such a B-spline basis expansion is constructed within the likelihood framework for non-Gaussian observations. As the dimension of the B-spline basis is large, i.e. many parameters, we use regularized and sparse model fitting with a boosting algorithm. Our method is computationally attractive and feasible for large dimensions. We demonstrate its strong predictive potential for financial volatility on simulated and real data, and also in comparison with other approaches, and we present some supporting asymptotic arguments.