Realized Stochastic Volatility Models with Skew-t Distributions for Volatility and Tail Risk Forecasting
偏斜 t 分布实现随机波动率模型：波动率与尾部风险预测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：摘要直接评价金融波动率预测及 VaR、ES 尾部风险预测。
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…
偏斜 t 分布实现随机波动率模型：波动率与尾部风险预测
- 研究问题
- 将实现波动率引入潜在波动率模型，并允许收益分布偏斜和厚尾，能否改善波动率预测以及 VaR、ES 尾部风险预测？
- 方法与思路
- 作者比较三种偏斜 t 分布的实现随机波动率模型，用贝叶斯 MCMC 估计，并应用于美日股指日收益与实现波动率指标。
- 材料陈述的贡献
- 摘要称实现随机波动率模型的波动率预测改善较稳健，但 VaR 和 ES 优势更混合，没有设定在全部指数与时期中占优。
- 阅读关注点
- 应核对实现波动率代理的构造、偏斜分布设定、预测评价与风险水平，以及样本划分和不同检验下结果的一致性。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未给出预测误差和检验数值，不能把波动率改善等同于尾部风险改善。
原文摘要
Accurate forecasting of volatility is essential for financial risk management and for the evaluation of tail risk measures such as value-at-risk (VaR) and expected shortfall (ES). This study proposes the realized stochastic volatility (RSV) model, an extension of the traditional stochastic volatility (SV) model that incorporates realized volatility as an efficient proxy for latent volatility. To better capture the stylized features of financial return distributions, particularly skewness and heavy tails, we consider three variants of skew-t distributions, two of which also admit skew-normal components to flexibly model asymmetry. The models are estimated using a Bayesian Markov chain Monte Carlo approach and applied to daily returns and realized volatility measures for major U.S. and Japanese stock indices. Empirically, RSV models robustly improve volatility forecasts relative to SV models across both indices, all four realized volatility proxies, and both pairwise and joint evaluation procedures. The evidence on VaR and ES forecasts is more heterogeneous and the advantage of RSV and skew-t specifications over their SV counterparts is mixed. Across both volatility and tail risk forecasting, RSV and skew-t specifications are useful in several settings, but no single specification dominates uniformly across indices, risk levels, and sample periods.